网络分析中如何用前一时间戳的Target值填充Source列？

这个需求在时序数据处理里非常常见，本质就是按ID分组后，把当前行的Source字段填充为同组内上一行的Target值，用Python的Pandas库就能轻松搞定，下面是具体的实现步骤和代码：

核心思路 #

1. 先确保数据按ID和时间严格排序（这是取"前一个时间戳"值的关键，顺序错了结果就会出错）
2. 按ID分组，对Target列使用shift()方法，将值向下偏移一行，得到的结果就是对应行的Source值
3. 每组的第一行因为没有上一行数据，会自动保留NA，正好匹配你的需求

具体代码实现 #

import pandas as pd

# 模拟你的原始表格数据
data = {
    'ID': [650, 650, 650],
    'Date': ['18/07/2019', '19/07/2019', '27/07/2019'],
    'Year': [2019, 2019, 2019],
    'Month': ['Jul', 'Jul', 'Jul'],
    'Day': [18, 19, 27],
    'Time': ['21:32', '23:47', '19:24'],
    'Target': ['Caledonia', 'Digby', 'Caledonia'],
    'Source': ['NA', 'NA', 'NA']
}

df = pd.DataFrame(data)

# 第一步：合并日期和时间为完整时间戳，转换为datetime类型确保排序准确
df['Timestamp'] = pd.to_datetime(df['Date'] + ' ' + df['Time'], format='%d/%m/%Y %H:%M')

# 第二步：按ID和时间戳排序，保证同ID下的行是按时间先后排列的
df = df.sort_values(by=['ID', 'Timestamp'])

# 第三步：按ID分组，将Target列下移一行赋值给Source
df['Source'] = df.groupby('ID')['Target'].shift(1)

# 可选：把Pandas自动生成的NaN替换成你示例里的'NA'格式
df['Source'] = df['Source'].fillna('NA')

# 输出你需要的列
print(df[['ID', 'Date', 'Year', 'Month', 'Day', 'Time', 'Target', 'Source']])

代码细节解释 #

• pd.to_datetime(...)：把分散的日期和时间字段合并成完整时间戳，确保排序是严格按时间先后的（如果你的原始数据已经是有序的，这一步可以简化，但建议保留以避免潜在的顺序问题）
• sort_values(by=['ID', 'Timestamp'])：保证同一个ID下的记录是按时间顺序排列的，这是取"前一个时间戳"值的核心前提
• groupby('ID')['Target'].shift(1)：对每个ID单独分组处理，把Target列的所有值向下移动一行，这样当前行的Source就等于上一行的Target；分组操作确保不会把不同ID的位置数据混在一起
• fillna('NA')：把Pandas自动生成的空值NaN替换成你示例里的NA文本格式

运行这段代码后，你就能得到和期望完全一致的结果啦！

内容的提问来源于stack exchange，提问作者Courtney lR