groupby，然后基于另一列设置列值（索引器太多）

Question

我有以下数据帧：

    updated_at   type      source
0   2017-01-01   User     
1   2017-01-01   Inbound
2   2017-01-02   User
3   2017-01-02   Outbound
4   2017-01-03   Outbound
5   2017-01-03   User

我需要去掉type != User所在的行，然后将type == User所在行的源代码设置为要去掉的行的type。到目前为止，我已经尝试过做groupby('updated_at)，但是遇到了在副本上设置值的错误。而且，groupby('updated_at')总是只返回两行。你知道吗

下面是我想要的结果：

    updated_at   type      source
0   2017-01-01   User      Inbound
2   2017-01-02   User      Outbound
5   2017-01-03   User      Outbound

注：我有37万排

Answer 1

如果确定目标行是连续的，可以使用shift：

df["source"]=df["type"].shift(-1)

然后过滤出type=="User"

---

编辑

因为这些线不是连续的，不像你的样本

df=df.sort_values(["updated_at", "type"])

这将保证一个时间戳类型总是（1）入站/出站（2）用户。 然后：

df["source"]=df["type"].shift()

然后过滤出type=="User"

Answer 2

拆分数据帧并使用相同的索引对其进行标准化。 然后从源代码中宣布源列

user = df.loc[df.type == 'User',:]
user.set_index('updated_at')
bound = df.loc[df.type != 'User',:]
bound.set_index('updated_at')
user['source'] = bound.type