замена значений в столбце по условию

Question

Имеем фрейм данных

import pandas as pd
import numpy as np
data = {'фрукт': ['груша','огурец','вишня', 'абрикос', 'груша','арбуз',
                  'груша','банан', 'груша', 'вишня','яблоко', 'груша', 
                  'вишня', 'абрикос', 'груша', 'банан'],
        'страна': ['россия','сша', 'россия','россия', 'франция','ЮАР',
                   'франция', 'россия', np.nan,'россия','андорра', 
                   'франция', 'португалия', 'россия', np.nan, 'россия'],
        'id': ['01','01','01','02','02','03','03','011', '011',
               '011','011', '6', '6', '5', '5', '5'],
        'месяц': ['март','январь','январь','март', 'март','март',
                  'октябрь','март', 'март', 'январь','март', 'март',
                  'январь', 'январь', 'ПРОПУЩЕНО', 'апрель']        
}
df = pd.DataFrame(data, columns = ['фрукт','страна', 'id', 'месяц'])

Нужно провести замены некоторых значений в столбце месяц:

если первые несколько (или только первая строка) строк подряд в группе id имеют значение месяц == март, а далее следует значение отличное от март, то на всю эту группу id нужно в колонке месяц указать значение , которое прерывает первые подряд идущие значения март
если все значение в группе id в колонке месяц имеют значение март, то значения в колонке месяц не меняем
значение ПРОПУЩЕНО игнорируем при првоерке исходного фрейма на наличие значения, котоорое прерывает первые подряд идущие (или одно значение март) значения март

Как это возможно сделать?

Ожидаемый результат:

Answer 1

Можно попробовать сделать так:

res = pd.DataFrame()
for i, g in df.groupby("id"):
    g_ = g.copy()
    if any(g["месяц"].str.contains("ПРОПУЩЕНО")):
        g_["месяц"] = g_.iloc[0]["месяц"]
    if any(g["месяц"].str.contains("март")) & (g["месяц"].nunique() >1):
        g_["месяц"] = g_["месяц"].unique()[1]
    res=pd.concat([res, g_])
res.sort_index(inplace=True)

res:

      фрукт      страна   id    месяц
0     груша      россия   01   январь
1    огурец         сша   01   январь
2     вишня      россия   01   январь
3   абрикос      россия   02     март
4     груша     франция   02     март
5     арбуз         ЮАР   03  октябрь
6     груша     франция   03  октябрь
7     банан      россия  011   январь
8     груша         NaN  011   январь
9     вишня      россия  011   январь
10   яблоко     андорра  011   январь
11    груша     франция    6   январь
12    вишня  португалия    6   январь
13  абрикос      россия    5   январь
14    груша         NaN    5   январь
15    банан      россия    5   январь

Answer 2

Можно заменить все вхождения "март" на NaN и после этого сгруппировать по id и взять первое значение в группе, воспользовавшись методом GroupBy.first(). Специфика методов .first() и .last() в том, что они пытаются игнорировать значения NaN и как раз этим можно воспользоваться.

Пример:

df["res"] = (df
             .assign(x=df["месяц"].replace("март", np.nan))
             .groupby("id")
             ["x"]
             .transform("first")
             .fillna("март"))

результат:

In [28]: df
Out[28]:
      фрукт      страна   id      месяц      res
0     груша      россия   01       март   январь
1    огурец         сша   01     январь   январь
2     вишня      россия   01     январь   январь
3   абрикос      россия   02       март     март
4     груша     франция   02       март     март
5     арбуз         ЮАР   03       март  октябрь
6     груша     франция   03    октябрь  октябрь
7     банан      россия  011       март   январь
8     груша         NaN  011       март   январь
9     вишня      россия  011     январь   январь
10   яблоко     андорра  011       март   январь
11    груша     франция    6       март   январь
12    вишня  португалия    6     январь   январь
13  абрикос      россия    5     январь   январь
14    груша         NaN    5  ПРОПУЩЕНО   январь
15    банан      россия    5     апрель   январь

БЛОГ НА HUSL

замена значений в столбце по условию

Ответы (2 шт):