如何在DataFrame中按主体提取最后一个目标字符串对应值及其上一行值？

我来帮你搞定这个需求！针对每个主体提取最后一个green对应的value以及它上一行的value，用pandas可以轻松实现，下面是具体的步骤和代码示例：

核心思路 #

我们可以按subject分组后，对每个组单独处理：

• 先定位组内所有type为green的行，找到最后一行的位置；
• 根据这个位置，提取该行的value（即last_green），同时提取上一行的value（即before_last_green）；
• 最后把每个组的结果汇总成你需要的格式。

代码实现（自定义函数版） #

这种方式逻辑清晰，容易理解，适合新手：

首先导入pandas并构造你的示例数据：

import pandas as pd

# 构造示例DataFrame
data = {
    'subject': [111, 111, 111, 111, 111, 222, 222, 222, 222, 222],
    'type': ['yellow', 'green', 'yellow', 'blue', 'green', 'blue', 'green', 'yellow', 'blue', 'yellow'],
    'value': [354, 584, 584, 492, 493, 459, 583, 539, 392, 394]
}
dat1 = pd.DataFrame(data)

然后定义一个处理单个分组的函数，再用groupby().apply()应用到每个组：

def extract_green_values(group):
    # 筛选当前组所有type为green的行的索引
    green_rows = group[group['type'] == 'green']
    if green_rows.empty:
        # 如果组里没有green行，返回空值
        return pd.Series({'last_green': pd.NA, 'before_last_green': pd.NA})
    
    # 取最后一个green的行
    last_green = green_rows.iloc[-1]
    last_green_value = last_green['value']
    
    # 获取上一行的值（要确保不是组的第一行）
    last_green_index = last_green.name
    if last_green_index > group.index[0]:
        before_last_green_value = group.loc[last_green_index - 1, 'value']
    else:
        # 若第一个行就是green，没有上一行，设为缺失值
        before_last_green_value = pd.NA
    
    return pd.Series({'last_green': last_green_value, 'before_last_green': before_last_green_value})

# 分组处理并整理结果
result = dat1.groupby('subject').apply(extract_green_values).reset_index()
print(result)

输出结果 #

运行代码后，会得到你期望的结果：

subject  last_green  before_last_green
0      111         493                492
1      222         583                459

高效优化版（无需自定义函数） #

如果你的数据量很大，想追求更高效率，可以用这种更简洁的写法：

# 给每个组内的行分配序号（从0开始）
dat1['row_in_group'] = dat1.groupby('subject').cumcount()

# 找到每个组最后一个green的行序号
last_green_pos = dat1[dat1['type'] == 'green'].groupby('subject')['row_in_group'].max()

# 合并信息，筛选目标行和上一行
merged_data = dat1.merge(last_green_pos, on='subject', suffixes=('', '_last'))
target_rows = merged_data[
    (merged_data['row_in_group'] == merged_data['row_in_group_last']) |
    (merged_data['row_in_group'] == merged_data['row_in_group_last'] - 1)
]

# 分组提取对应值
result = target_rows.groupby('subject').agg(
    last_green=('value', lambda x: x.iloc[-1]),
    before_last_green=('value', lambda x: x.iloc[0] if len(x)>=2 else pd.NA)
).reset_index()

print(result)

这个方法同样能得到相同的结果，且避免了自定义函数的额外开销，处理大数据集时更高效。

内容的提问来源于stack exchange，提问作者Viola Hollestein