如何使用groupby按预定义条件获取分组字段的上一个值并填充列

错误原因 #

• 拼写错误：筛选条件里把Grass拼成了Gress，会直接导致符合要求的行根本筛选不出来。
• 对groupby返回值理解错误：df.groupby()操作返回的是GroupBy分组对象，不是普通DataFrame，该对象是按指定键分组后的容器，不会直接展示原列结构，所以你看不到HorseId列是正常现象，不是列真的消失了。
• 逻辑链路不完整：你单独在筛选出来的temp对象上操作，最后没有把计算结果回写到原表featured_data的对应行，就算分组计算成功也实现不了需求。

正确实现方案 #

不需要单独拆分temp表，可以直接对原表的符合条件的行做赋值，代码如下：

# 定位符合条件的行，生成布尔掩码
mask = (featured_data['Track'] == 'Sha Tin') & (featured_data['Surface'] == 'Grass')
# 对符合条件的行，按HorseId分组取FGrating的上一行值，直接赋值给对应行的New FGrating
featured_data.loc[mask, 'New FGrating'] = featured_data[mask].groupby('HorseId')['FGrating'].shift(1)

如果你的数据没有按比赛时间先后排序，shift(1)取到的上一行不是实际的上一场比赛结果，可以先按HorseId+比赛时间字段排序后再执行上述代码。不符合条件的行原本默认值就是-1，不需要额外处理。

内容的提问来源于stack exchange，提问作者Bogdan Doicin