如何基于另一列的相同子串为DataFrame行设置新值？

问题场景 #

现有如下Pandas DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({"CLASS":["AG_1","AG_2","AG_3","MAR","GOM"],
                   "TOP":[200, np.nan, np.nan, 600, np.nan],
                   "BOT":[230, 250, 380, np.nan, 640]})

初始输出：

CLASS    TOP    BOT
0  AG_1  200.0  230.0
1  AG_2    NaN  250.0
2  AG_3    NaN  380.0
3   MAR  600.0    NaN
4   GOM    NaN  640.0

需求：为CLASS列以AG开头的行填充TOP列缺失值，规则是将其设为上一行的BOT值，最终期望输出：

CLASS    TOP    BOT
0  AG_1  200.0  230.0
1  AG_2  230.0  250.0
2  AG_3  250.0  380.0
3   MAR  600.0    NaN
4   GOM    NaN  640.0

实现方法 #

方法一：直接定位目标行填充

通过布尔掩码筛选目标行，利用shift()获取上一行的BOT值填充TOP，最后保留第一行的原始值：

# 生成CLASS以AG开头的布尔掩码
ag_mask = df['CLASS'].str.startswith('AG')

# 用对应行上一行的BOT值填充TOP列
df.loc[ag_mask, 'TOP'] = df.loc[ag_mask, 'BOT'].shift(1)

# 恢复AG_1行的原始TOP值（shift后第一行为NaN）
df.loc[ag_mask, 'TOP'] = df.loc[ag_mask, 'TOP'].fillna(df.loc[ag_mask, 'TOP'].iloc[0])

方法二：分组处理（更通用）

如果存在多个类似前缀的分组，可按CLASS前缀分组后批量处理：

# 按CLASS的前两位前缀分组，在组内填充TOP缺失值
df['TOP'] = df.groupby(df['CLASS'].str[:2])['TOP'].transform(
    lambda x: x.fillna(x.index.map(df['BOT'].shift(1)))
)

两种方法都能得到期望的输出结果，方法一更直观适合单一分组场景，方法二更适合多分组批量处理的场景。

内容的提问来源于stack exchange，提问作者user026