基于前驱行值修改Pandas DataFrame字段内容的通用方法咨询

通用实现方案 #

核心思路是先提取所有真实省份名称，通过向前填充的方式把省份名称同步到下属所有分类行，再对分类行的Province字段做拼接，完全不依赖Private和Public的排序规则。

实现代码 #

# 标记哪些行是省份（非Private/Public的行即为省份行）
is_province = ~df['Province'].isin(['Private', 'Public'])
# 生成省份基准列，空值自动用前一个非空的省份名称填充
df['province_base'] = df['Province'].where(is_province).ffill()
# 对分类行的Province字段做拼接修改
df.loc[~is_province, 'Province'] = df['province_base'] + '-' + df['Province']
# 删除临时生成的基准列
df = df.drop('province_base', axis=1)

方案说明 #

• where方法会把不符合is_province条件的行赋值为NaN，后续ffill()（向前填充）会自动把这些NaN用上一行的省份值填充，保证每个分类行都能拿到归属的省份名称
• 不管Private和Public的顺序如何调换，只要同一个省份的所有分类行都位于该省份行的下方，就能得到正确结果，通用性更强
• 不需要逐行循环，运行效率比原始的循环方案更高

内容的提问来源于stack exchange，提问作者hengjuice