如何用Pandas将同品牌行价格统一为该品牌最后一行的价格

这是个很常见的数据规整场景，用Pandas的groupby配合transform方法就能完美解决，而且能完全保留所有原始行，不需要做分组聚合后再合并的繁琐操作。

步骤详解： #

首先我们先还原你的示例数据集方便测试：

import pandas as pd

data = {
    'Brand': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B'],
    'Price': [10, 20, 30, 40, 60, 15, 25, 35],
    'Color': ['Blue', 'Red', 'Green', 'Yellow', 'Black', 'Blue', 'Red', 'Black'],
    'Category': ['Shoes']*5 + ['Bags']*3
}
df = pd.DataFrame(data)

接下来就是核心操作：

# 按Brand分组，提取每个品牌最后一行的Price，再广播到该品牌的所有行
df['Price'] = df.groupby('Brand')['Price'].transform('last')

处理后结果： #

运行后你的数据集会变成这样：

方法原理： #

• groupby('Brand')会把数据按品牌拆分成一个个独立子组
• transform('last')会对每个子组的Price列取最后一个值，然后将这个值自动填充到该子组的每一行，最终生成一个和原DataFrame长度完全匹配的Series
• 直接赋值给原Price列，就完成了所有行的Price替换，同时完整保留了原始行的其他字段

这个方法高效又简洁，不管你有多少个品牌都能自动适配~

内容的提问来源于stack exchange，提问作者beginner