Python Pandas groupby：根据值的条件进行过滤和应用

让我们做：

m = df['interval'] < df['id'].astype(str).map(interval_mins)
df.loc[m.groupby(df['id']).shift(fill_value=False), 'interval'] += df.groupby('id')['interval'].shift()

细节：

创建一个布尔掩码，表示interval值小于interval_mins每个值的条件id：

print(m)

0     True
1     True
2    False
3    False
4    False
5    False
dtype: bool

groupby布尔面具m上id和shift向下：

print(m.groupby(df['id']).shift(fill_value=False))

0    False
1    False
2    False
3     True
4    False
5     True
dtype: bool

groupby在数据框id，并shift在interval列：

print(df.groupby('id')['interval'].shift())

0     NaN
1     NaN
2     NaN
3    0.10
4    0.20
5    0.39
Name: interval, dtype: float64

使用布尔索引与loc来添加与移位后的掩码相对应的值：

print(df)

   id  interval
0  10      0.10
1  15      0.39
2  20      0.20
3  10      0.22
4  20      0.25
5  15      0.81