Pandas - 使用附加条件连接来自多个组的选定行
Pandas - concatenating selected rows from several groups with additional condition
我有一个例子
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 0 | TXT1 | | None |
| 0 | TXT2 | | None |
| 0 | 5 | | None |
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
| 1 | TXT11 | | None |
| 1 | TXT12 | | None |
| 1 | 0.50 | | None |
| 1 | 0.45 | 0.45 | 0 |
| 1 | 0.31 | 0.31 | 1 |
| 1 | 0.35 | 0.35 | 1 |
| 1 | 0.73 | 0.73 | 1 |
| 2 | 0.5 | | None |
| 2 | 4.15 | 4.15 | 0 |
| 2 | 2.98 | 2.98 | 0 |
| 2 | 1.53 | 1.53 | 0 |
| 3 | 4.46 | | None |
| 3 | 4.00 | 4.00 | 0 |
| 3 | 0.95 | 0.95 | 1 |
| 3 | 1.35 | 1.35 | 1 |
| 3 | 1.79 | 1.79 | 1 |
+─────────────+────────+────────+────────+
我想将 COL_A 中的值从 COL_C 列中最后一次出现的带有 None 的行移动到每个 main_group。
此值应移至 COL_B 列组中的第一个元素，然后应删除之前的内容。
下面是 main_group == 0 的样子：
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 0 | TXT1 | 5 | None | <--- value "5" from the last row with "None" in `COL_C` in `main_group` == 0 was moved to the first row in the same group
| 0 | TXT2 | | None |
| 0 | 5 | | None | <--- After that this row should be deleted
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
+─────────────+────────+────────+────────+
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 2 | 0.5 | 0.5 | None | <--- value in column `COL_B` should be same as in column `COL_A` because there are no other rows in the same `main_group` with "None" in column `COL_C`
| 2 | 4.15 | 4.15 | 0 |
| 2 | 2.98 | 2.98 | 0 |
| 2 | 1.53 | 1.53 | 0 |
| 3 | 4.46 | 4.46 | None | <--- value in column `COL_B` should be same as in column `COL_A` because there are no other rows in the same `main_group` with "None" in column `COL_C`
| 3 | 4.00 | 4.00 | 0 |
| 3 | 0.95 | 0.95 | 1 |
| 3 | 1.35 | 1.35 | 1 |
| 3 | 1.79 | 1.79 | 1 |
+─────────────+────────+────────+────────+
此操作后，df 应如下所示：
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 0 | TXT1 | 5 | None |
| 0 | TXT2 | | None |
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
| 1 | TXT11 | 0.50 | None |
| 1 | TXT12 | | None |
| 1 | 0.45 | 0.45 | 0 |
| 1 | 0.31 | 0.31 | 1 |
| 1 | 0.35 | 0.35 | 1 |
| 1 | 0.73 | 0.73 | 1 |
| 2 | 0.5 | 0.5 | None |
| 2 | 4.15 | 4.15 | 0 |
| 2 | 2.98 | 2.98 | 0 |
| 2 | 1.53 | 1.53 | 0 |
| 3 | 4.46 | 4.46 | None |
| 3 | 4.00 | 4.00 | 0 |
| 3 | 0.95 | 0.95 | 1 |
| 3 | 1.35 | 1.35 | 1 |
| 3 | 1.79 | 1.79 | 1 |
+─────────────+────────+────────+────────+
在最后一步中，我想在每个 main_group 中连接选定的 COL_A 列，其中 COL_C 中的值为 None。
示例：
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 0 | TXT1 | 5 | None |
| 0 | TXT2 | | None |
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
↓↓↓↓↓↓↓↓↓↓↓
+─────────────+────────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────────+────────+────────+
| 0 | TXT1 TXT2 | 5 | None | <--- If there are more than 1 row with "None" in column `COL_C` in each group, then values in column `COL_A` should be "merged" into one row, and all others should be deleted
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
我的第一个解决方案是 .loc 组中 COL_C 列中具有值“None”的那些行，然后分配给第一个元素（.iloc) 最后一行的值。
但是，这个解决方案不太正确，而且我还确信可以使用 .groupby 而不是在每个组之后迭代和搜索元素来完成，但我不能正确地做到这一点。
我通过这种方式得到的解决方案：
+─────────────+────────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────────+────────+────────+
| 0 | TXT1 TXT2 | 5 | None |
| NaN | NaN | NaN | NaN |
| NaN | NaN | NaN | NaN |
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
部分传输正确，但行中仍有 NaN 值不应再存在。
当然我可以删除那些行并重新索引 df 但是这个解决方案依赖于循环，这对于大 df.
来说肯定效率不高
如何使用 .loc 和 .iloc 对各个组进行这些循环并交换值的解决方法？
IIUC，尝试以下（评论中的解释）：
#create indicator column for where COL_C is None
df["indicator"] = df["COL_C"].isnull()
#get the index of the last None value for each main_group
max_null = df.groupby("main_group")["indicator"].transform(lambda x: x.cumsum().idxmax())
#move the COL_A to COL_B for the first index of each group
df["COL_B"] = df["COL_B"].where(df.groupby("main_group").cumcount().ne(0), max_null.map(df["COL_A"]))
# #remove the last rows with None value for each main_group
df = df.drop(max_null.unique()).reset_index(drop=True)
# #concatenate COL_A per main_group
strings = df.groupby("main_group").apply(lambda x: x[x["indicator"]]["COL_A"].str.cat(sep=","))
#assign concatenated strings to COL_A
df["COL_A"] = df["COL_A"].where(~df["indicator"], df["main_group"].map(strings))
#drop duplicates from COL_A per group and drop the indicator column
df = df.drop_duplicates(["main_group","COL_A"]).drop("indicator", axis=1).reset_index(drop=True)
>>> df
main_group COL_A COL_B COL_C
0 0 TXT1,TXT2 5 NaN
1 0 1.93 1.93 0.0
2 0 7.6 7.6 1.0
3 0 2.46 2.46 1.0
4 1 TXT1,TXT12 0.5 NaN
5 1 0.45 0.45 0.0
6 1 0.31 0.31 1.0
7 1 0.35 0.35 1.0
8 1 0.73 0.73 1.0
9 2 4.15 4.15 0.0
10 2 2.98 2.98 0.0
11 2 1.53 1.53 0.0
12 3 4 4.0 0.0
13 3 0.95 0.95 1.0
14 3 1.35 1.35 1.0
15 3 1.79 1.79 1.0
这是获得您要求的最终结果的方法：
print('\nInput df:'); print(df)
df = df.assign(range_index=df.index)
gb = df[df['COL_C'].isna()].groupby(['main_group'])
df2 = pd.concat([
gb.nth(0)['range_index'],
gb.last()['COL_A'].copy().rename('COL_B_update'),
gb['COL_A'].apply(list).str.slice(stop=-1).str.join(' ')
], axis=1).set_index('range_index')
emptyColA = df2['COL_A'].str.len() == 0
df2.loc[emptyColA, 'COL_A'] = df2.loc[emptyColA, 'COL_B_update']
print('\ndf2:'); print(df2)
df = df.join(df2, on='range_index', rsuffix='_list')
print('\ndf just after join():'); print(df)
df.loc[~df.COL_A_list.isna(), 'COL_A_update'] = df.COL_A_list
df.loc[~df['COL_C'].isna(), 'COL_A_update'] = df.COL_A
df = df.loc[~df.COL_A_update.isna()].drop(columns=['range_index', 'COL_A_list'])
print('\ndf after creating COL_A_update, deleting unwanted rows, and dropping intermediate columns range_index and COL_A_list:'); print(df)
df.loc[df['COL_C'].isna(), 'COL_B'] = df.loc[df['COL_C'].isna(), 'COL_B_update']
df.loc[df['COL_C'].isna(), 'COL_A'] = df.loc[df['COL_C'].isna(), 'COL_A_update']
df = df.drop(columns=['COL_B_update', 'COL_A_update']).rename(columns={'COL_A_update':'COL_A'}).reset_index(drop=True)
print('\nOutput df after updating COL_A and COL_B, and dropping intermediate columns COL_A_update and COL_B_update:'); print(df)
解释：
- 在新列中复制索引
range_index
- 在
main_group 上为 COL_C 行 None 创建一个 groupby 对象
- 与
groupby 对象：
- 使用
nth(0)获取COL_C 中每组连续None值第一行的range_index值
- 使用
last() 和 Series.rename() 创建列 COL_B_update，并从 COL_A 复制所需的值
- 在
Series.str 上使用 apply(list)，以及 slice() 和 join()（一个序列访问器，令人困惑的是，它作用于 list 而不是比 str) 将每个组的 COL_A 值中除一个以外的所有值转换为 space 分隔的字符串，这些值
concat这三个系列以range_index为索引df2
- 使用
join 添加新列 COL_B_update 和 COL_A_list（从 df2 重命名 COL_A）
- 创建一个新列
COL_A_update 包含 COL_A 包含它们的行的列表字符串，并包含 COL_A 值的行 COL_C 不是 None
- 删除所有其他行（即删除所有行，但每个连续行块中的第一行，其中
COL_C 是 None），并删除中间列 range_index 和 COL_A_list
- 使用
COL_B_update和COL_A_update更新COL_C在COL_B和COL_A中的None行，并删除中间列COL_A_update 和 COL_B_update.
输入:
main_group COL_A COL_B COL_C
0 0 TXT1 None
1 0 TXT2 None
2 0 5 None
3 0 1.93 1.93 0
4 0 7.60 7.60 1
5 0 2.46 2.46 1
6 1 TXT11 None
7 1 TXT12 None
8 1 0.50 None
9 1 0.45 0.45 0
10 1 0.31 0.31 1
11 1 0.35 0.35 1
12 1 0.73 0.73 1
13 2 0.5 None
14 2 4.15 4.15 0
15 2 2.98 2.98 0
16 2 1.53 1.53 0
17 3 4.46 None
18 3 4.00 4.00 0
19 3 0.95 0.95 1
20 3 1.35 1.35 1
21 3 1.79 1.79 1
这是 df2 就在 join 之前：
COL_B_update COL_A
range_index
0 5 TXT1 TXT2
6 0.50 TXT11 TXT12
13 0.5 0.5
17 4.46 4.46
df 紧跟在 join 之后，新列 range_index、COL_B_update 和 COL_A_list:
main_group COL_A COL_B COL_C range_index COL_B_update COL_A_list
0 0 TXT1 None 0 5 TXT1 TXT2
1 0 TXT2 None 1 NaN NaN
2 0 5 None 2 NaN NaN
3 0 1.93 1.93 0 3 NaN NaN
4 0 7.60 7.60 1 4 NaN NaN
5 0 2.46 2.46 1 5 NaN NaN
6 1 TXT11 None 6 0.50 TXT11 TXT12
7 1 TXT12 None 7 NaN NaN
8 1 0.50 None 8 NaN NaN
9 1 0.45 0.45 0 9 NaN NaN
10 1 0.31 0.31 1 10 NaN NaN
11 1 0.35 0.35 1 11 NaN NaN
12 1 0.73 0.73 1 12 NaN NaN
13 2 0.5 None 13 0.5 0.5
14 2 4.15 4.15 0 14 NaN NaN
15 2 2.98 2.98 0 15 NaN NaN
16 2 1.53 1.53 0 16 NaN NaN
17 3 4.46 None 17 4.46 4.46
18 3 4.00 4.00 0 18 NaN NaN
19 3 0.95 0.95 1 19 NaN NaN
20 3 1.35 1.35 1 20 NaN NaN
21 3 1.79 1.79 1 21 NaN NaN
这是创建 COL_A_update、删除不需要的行并删除中间列 range_index 和 COL_A_list 后的 df：
main_group COL_A COL_B COL_C COL_B_update COL_A_update
0 0 TXT1 None 5 TXT1 TXT2
3 0 1.93 1.93 0 NaN 1.93
4 0 7.60 7.60 1 NaN 7.60
5 0 2.46 2.46 1 NaN 2.46
6 1 TXT11 None 0.50 TXT11 TXT12
9 1 0.45 0.45 0 NaN 0.45
10 1 0.31 0.31 1 NaN 0.31
11 1 0.35 0.35 1 NaN 0.35
12 1 0.73 0.73 1 NaN 0.73
13 2 0.5 None 0.5 0.5
14 2 4.15 4.15 0 NaN 4.15
15 2 2.98 2.98 0 NaN 2.98
16 2 1.53 1.53 0 NaN 1.53
17 3 4.46 None 4.46 4.46
18 3 4.00 4.00 0 NaN 4.00
19 3 0.95 0.95 1 NaN 0.95
20 3 1.35 1.35 1 NaN 1.35
21 3 1.79 1.79 1 NaN 1.79
Output 更新 COL_A 和 COL_B 并删除中间列 COL_A_update 和 COL_B_update:
main_group COL_A COL_B COL_C
0 0 TXT1 TXT2 5 None
1 0 1.93 1.93 0
2 0 7.60 7.60 1
3 0 2.46 2.46 1
4 1 TXT11 TXT12 0.50 None
5 1 0.45 0.45 0
6 1 0.31 0.31 1
7 1 0.35 0.35 1
8 1 0.73 0.73 1
9 2 0.5 0.5 None
10 2 4.15 4.15 0
11 2 2.98 2.98 0
12 2 1.53 1.53 0
13 3 4.46 4.46 None
14 3 4.00 4.00 0
15 3 0.95 0.95 1
16 3 1.35 1.35 1
17 3 1.79 1.79 1
我有一个例子
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 0 | TXT1 | | None |
| 0 | TXT2 | | None |
| 0 | 5 | | None |
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
| 1 | TXT11 | | None |
| 1 | TXT12 | | None |
| 1 | 0.50 | | None |
| 1 | 0.45 | 0.45 | 0 |
| 1 | 0.31 | 0.31 | 1 |
| 1 | 0.35 | 0.35 | 1 |
| 1 | 0.73 | 0.73 | 1 |
| 2 | 0.5 | | None |
| 2 | 4.15 | 4.15 | 0 |
| 2 | 2.98 | 2.98 | 0 |
| 2 | 1.53 | 1.53 | 0 |
| 3 | 4.46 | | None |
| 3 | 4.00 | 4.00 | 0 |
| 3 | 0.95 | 0.95 | 1 |
| 3 | 1.35 | 1.35 | 1 |
| 3 | 1.79 | 1.79 | 1 |
+─────────────+────────+────────+────────+
我想将 COL_A 中的值从 COL_C 列中最后一次出现的带有 None 的行移动到每个 main_group。
此值应移至 COL_B 列组中的第一个元素，然后应删除之前的内容。
下面是 main_group == 0 的样子：
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 0 | TXT1 | 5 | None | <--- value "5" from the last row with "None" in `COL_C` in `main_group` == 0 was moved to the first row in the same group
| 0 | TXT2 | | None |
| 0 | 5 | | None | <--- After that this row should be deleted
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
+─────────────+────────+────────+────────+
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 2 | 0.5 | 0.5 | None | <--- value in column `COL_B` should be same as in column `COL_A` because there are no other rows in the same `main_group` with "None" in column `COL_C`
| 2 | 4.15 | 4.15 | 0 |
| 2 | 2.98 | 2.98 | 0 |
| 2 | 1.53 | 1.53 | 0 |
| 3 | 4.46 | 4.46 | None | <--- value in column `COL_B` should be same as in column `COL_A` because there are no other rows in the same `main_group` with "None" in column `COL_C`
| 3 | 4.00 | 4.00 | 0 |
| 3 | 0.95 | 0.95 | 1 |
| 3 | 1.35 | 1.35 | 1 |
| 3 | 1.79 | 1.79 | 1 |
+─────────────+────────+────────+────────+
此操作后，df 应如下所示：
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 0 | TXT1 | 5 | None |
| 0 | TXT2 | | None |
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
| 1 | TXT11 | 0.50 | None |
| 1 | TXT12 | | None |
| 1 | 0.45 | 0.45 | 0 |
| 1 | 0.31 | 0.31 | 1 |
| 1 | 0.35 | 0.35 | 1 |
| 1 | 0.73 | 0.73 | 1 |
| 2 | 0.5 | 0.5 | None |
| 2 | 4.15 | 4.15 | 0 |
| 2 | 2.98 | 2.98 | 0 |
| 2 | 1.53 | 1.53 | 0 |
| 3 | 4.46 | 4.46 | None |
| 3 | 4.00 | 4.00 | 0 |
| 3 | 0.95 | 0.95 | 1 |
| 3 | 1.35 | 1.35 | 1 |
| 3 | 1.79 | 1.79 | 1 |
+─────────────+────────+────────+────────+
在最后一步中，我想在每个 main_group 中连接选定的 COL_A 列，其中 COL_C 中的值为 None。
示例：
+─────────────+────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────+────────+────────+
| 0 | TXT1 | 5 | None |
| 0 | TXT2 | | None |
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
↓↓↓↓↓↓↓↓↓↓↓
+─────────────+────────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────────+────────+────────+
| 0 | TXT1 TXT2 | 5 | None | <--- If there are more than 1 row with "None" in column `COL_C` in each group, then values in column `COL_A` should be "merged" into one row, and all others should be deleted
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
我的第一个解决方案是 .loc 组中 COL_C 列中具有值“None”的那些行，然后分配给第一个元素（.iloc) 最后一行的值。
但是，这个解决方案不太正确，而且我还确信可以使用 .groupby 而不是在每个组之后迭代和搜索元素来完成，但我不能正确地做到这一点。
我通过这种方式得到的解决方案：
+─────────────+────────────+────────+────────+
| main_group | COL_A | COL_B | COL_C |
+─────────────+────────────+────────+────────+
| 0 | TXT1 TXT2 | 5 | None |
| NaN | NaN | NaN | NaN |
| NaN | NaN | NaN | NaN |
| 0 | 1.93 | 1.93 | 0 |
| 0 | 7.60 | 7.60 | 1 |
| 0 | 2.46 | 2.46 | 1 |
部分传输正确，但行中仍有 NaN 值不应再存在。
当然我可以删除那些行并重新索引 df 但是这个解决方案依赖于循环，这对于大 df.
如何使用 .loc 和 .iloc 对各个组进行这些循环并交换值的解决方法？
IIUC，尝试以下（评论中的解释）：
#create indicator column for where COL_C is None
df["indicator"] = df["COL_C"].isnull()
#get the index of the last None value for each main_group
max_null = df.groupby("main_group")["indicator"].transform(lambda x: x.cumsum().idxmax())
#move the COL_A to COL_B for the first index of each group
df["COL_B"] = df["COL_B"].where(df.groupby("main_group").cumcount().ne(0), max_null.map(df["COL_A"]))
# #remove the last rows with None value for each main_group
df = df.drop(max_null.unique()).reset_index(drop=True)
# #concatenate COL_A per main_group
strings = df.groupby("main_group").apply(lambda x: x[x["indicator"]]["COL_A"].str.cat(sep=","))
#assign concatenated strings to COL_A
df["COL_A"] = df["COL_A"].where(~df["indicator"], df["main_group"].map(strings))
#drop duplicates from COL_A per group and drop the indicator column
df = df.drop_duplicates(["main_group","COL_A"]).drop("indicator", axis=1).reset_index(drop=True)
>>> df
main_group COL_A COL_B COL_C
0 0 TXT1,TXT2 5 NaN
1 0 1.93 1.93 0.0
2 0 7.6 7.6 1.0
3 0 2.46 2.46 1.0
4 1 TXT1,TXT12 0.5 NaN
5 1 0.45 0.45 0.0
6 1 0.31 0.31 1.0
7 1 0.35 0.35 1.0
8 1 0.73 0.73 1.0
9 2 4.15 4.15 0.0
10 2 2.98 2.98 0.0
11 2 1.53 1.53 0.0
12 3 4 4.0 0.0
13 3 0.95 0.95 1.0
14 3 1.35 1.35 1.0
15 3 1.79 1.79 1.0
这是获得您要求的最终结果的方法：
print('\nInput df:'); print(df)
df = df.assign(range_index=df.index)
gb = df[df['COL_C'].isna()].groupby(['main_group'])
df2 = pd.concat([
gb.nth(0)['range_index'],
gb.last()['COL_A'].copy().rename('COL_B_update'),
gb['COL_A'].apply(list).str.slice(stop=-1).str.join(' ')
], axis=1).set_index('range_index')
emptyColA = df2['COL_A'].str.len() == 0
df2.loc[emptyColA, 'COL_A'] = df2.loc[emptyColA, 'COL_B_update']
print('\ndf2:'); print(df2)
df = df.join(df2, on='range_index', rsuffix='_list')
print('\ndf just after join():'); print(df)
df.loc[~df.COL_A_list.isna(), 'COL_A_update'] = df.COL_A_list
df.loc[~df['COL_C'].isna(), 'COL_A_update'] = df.COL_A
df = df.loc[~df.COL_A_update.isna()].drop(columns=['range_index', 'COL_A_list'])
print('\ndf after creating COL_A_update, deleting unwanted rows, and dropping intermediate columns range_index and COL_A_list:'); print(df)
df.loc[df['COL_C'].isna(), 'COL_B'] = df.loc[df['COL_C'].isna(), 'COL_B_update']
df.loc[df['COL_C'].isna(), 'COL_A'] = df.loc[df['COL_C'].isna(), 'COL_A_update']
df = df.drop(columns=['COL_B_update', 'COL_A_update']).rename(columns={'COL_A_update':'COL_A'}).reset_index(drop=True)
print('\nOutput df after updating COL_A and COL_B, and dropping intermediate columns COL_A_update and COL_B_update:'); print(df)
解释：
- 在新列中复制索引
range_index - 在
main_group上为COL_C行 None 创建一个 - 与
groupby对象：- 使用
nth(0)获取COL_C中每组连续 - 使用
last()和Series.rename()创建列COL_B_update，并从COL_A 复制所需的值
- 在
Series.str上使用apply(list)，以及slice()和join()（一个序列访问器，令人困惑的是，它作用于list而不是比str) 将每个组的COL_A值中除一个以外的所有值转换为 space 分隔的字符串，这些值 concat这三个系列以range_index为索引df2
None值第一行的range_index值 - 使用
- 使用
join添加新列COL_B_update和COL_A_list（从 df2 重命名COL_A） - 创建一个新列
COL_A_update包含COL_A包含它们的行的列表字符串，并包含COL_A值的行COL_C不是 None - 删除所有其他行（即删除所有行，但每个连续行块中的第一行，其中
COL_C是 None），并删除中间列range_index和COL_A_list - 使用
COL_B_update和COL_A_update更新COL_C在COL_B和COL_A中的None行，并删除中间列COL_A_update和COL_B_update.
groupby 对象
输入:
main_group COL_A COL_B COL_C
0 0 TXT1 None
1 0 TXT2 None
2 0 5 None
3 0 1.93 1.93 0
4 0 7.60 7.60 1
5 0 2.46 2.46 1
6 1 TXT11 None
7 1 TXT12 None
8 1 0.50 None
9 1 0.45 0.45 0
10 1 0.31 0.31 1
11 1 0.35 0.35 1
12 1 0.73 0.73 1
13 2 0.5 None
14 2 4.15 4.15 0
15 2 2.98 2.98 0
16 2 1.53 1.53 0
17 3 4.46 None
18 3 4.00 4.00 0
19 3 0.95 0.95 1
20 3 1.35 1.35 1
21 3 1.79 1.79 1
这是 df2 就在 join 之前：
COL_B_update COL_A
range_index
0 5 TXT1 TXT2
6 0.50 TXT11 TXT12
13 0.5 0.5
17 4.46 4.46
df 紧跟在 join 之后，新列 range_index、COL_B_update 和 COL_A_list:
main_group COL_A COL_B COL_C range_index COL_B_update COL_A_list
0 0 TXT1 None 0 5 TXT1 TXT2
1 0 TXT2 None 1 NaN NaN
2 0 5 None 2 NaN NaN
3 0 1.93 1.93 0 3 NaN NaN
4 0 7.60 7.60 1 4 NaN NaN
5 0 2.46 2.46 1 5 NaN NaN
6 1 TXT11 None 6 0.50 TXT11 TXT12
7 1 TXT12 None 7 NaN NaN
8 1 0.50 None 8 NaN NaN
9 1 0.45 0.45 0 9 NaN NaN
10 1 0.31 0.31 1 10 NaN NaN
11 1 0.35 0.35 1 11 NaN NaN
12 1 0.73 0.73 1 12 NaN NaN
13 2 0.5 None 13 0.5 0.5
14 2 4.15 4.15 0 14 NaN NaN
15 2 2.98 2.98 0 15 NaN NaN
16 2 1.53 1.53 0 16 NaN NaN
17 3 4.46 None 17 4.46 4.46
18 3 4.00 4.00 0 18 NaN NaN
19 3 0.95 0.95 1 19 NaN NaN
20 3 1.35 1.35 1 20 NaN NaN
21 3 1.79 1.79 1 21 NaN NaN
这是创建 COL_A_update、删除不需要的行并删除中间列 range_index 和 COL_A_list 后的 df：
main_group COL_A COL_B COL_C COL_B_update COL_A_update
0 0 TXT1 None 5 TXT1 TXT2
3 0 1.93 1.93 0 NaN 1.93
4 0 7.60 7.60 1 NaN 7.60
5 0 2.46 2.46 1 NaN 2.46
6 1 TXT11 None 0.50 TXT11 TXT12
9 1 0.45 0.45 0 NaN 0.45
10 1 0.31 0.31 1 NaN 0.31
11 1 0.35 0.35 1 NaN 0.35
12 1 0.73 0.73 1 NaN 0.73
13 2 0.5 None 0.5 0.5
14 2 4.15 4.15 0 NaN 4.15
15 2 2.98 2.98 0 NaN 2.98
16 2 1.53 1.53 0 NaN 1.53
17 3 4.46 None 4.46 4.46
18 3 4.00 4.00 0 NaN 4.00
19 3 0.95 0.95 1 NaN 0.95
20 3 1.35 1.35 1 NaN 1.35
21 3 1.79 1.79 1 NaN 1.79
Output 更新 COL_A 和 COL_B 并删除中间列 COL_A_update 和 COL_B_update:
main_group COL_A COL_B COL_C
0 0 TXT1 TXT2 5 None
1 0 1.93 1.93 0
2 0 7.60 7.60 1
3 0 2.46 2.46 1
4 1 TXT11 TXT12 0.50 None
5 1 0.45 0.45 0
6 1 0.31 0.31 1
7 1 0.35 0.35 1
8 1 0.73 0.73 1
9 2 0.5 0.5 None
10 2 4.15 4.15 0
11 2 2.98 2.98 0
12 2 1.53 1.53 0
13 3 4.46 4.46 None
14 3 4.00 4.00 0
15 3 0.95 0.95 1
16 3 1.35 1.35 1
17 3 1.79 1.79 1