Tengo la siguiente duda:
Cuento con el siguiente dataframe:
Year-Week Case Team Case Info
2022-42 540 Finance OTHER
2022-42 540 IT ACCEPTED
2022-42 480 Sales OTHER
2022-42 480 Finance CHECK CASE
2022-42 480 IT OTHER
2022-42 465 IT OTHER
2022-42 465 Sales OTHER
2022-42 310 Legal VALIDATED
2022-42 310 Marketing OTHER
Como se puede ver, existen valores duplicados en el apartado de "Case", esto es porque cada caso puede pertenecer a un equipo distinto y cada equipo puede categorizar al caso de manera distinta en el apartado de "Case Info".
Mi problema radica en que quisiera que mi código de python tomase los casos duplicados "Case" y cuando cuentan con valor distinto en "Case Info", predomine cualquier otro valor que no sea el de "OTHER", adjunto un ejemplo:
Year-Week Case Team Case Info
2022-42 540 Finance ACCEPTED
2022-42 540 IT ACCEPTED
2022-42 480 Sales CHECK CASE
2022-42 480 Finance CHECK CASE
2022-42 480 IT CHECK CASE
2022-42 465 IT OTHER
2022-42 465 Sales OTHER
2022-42 310 Legal VALIDATED
2022-42 310 Marketing VALIDATED
He estado tratando de usar comandos como:
df['Case Info'] = df.groupby('Case')['Case Info'].transform('max')
Pero eso solo me lleva a reemplazar un solo valor por otro, por el orden de las letras iniciales de la tabla ASCII. Habiendo dicho eso, lo anterior solo hace la mitad del trabajo, ya que solo lo está haciendo para un solo valor de la columna 'OTHER'.
De la misma forma, intenté de la siguiente manera, pero en lugar de reemplazar los valores de 'OTHER' como en el output deseado, me arroja todos los valores de Case Info igual a 'OTHER'
df.groupby('Case')['Case Info'].apply(lambda x : x.replace('OTHER',np.nan).bfill().ffill()) # This should return your wanted series
El output que estoy obteniendo es el siguiente, lo cual está mal:
Year-Week Case Team Case Info
2022-42 540 Finance OTHER
2022-42 540 IT OTHER
2022-42 480 Sales OTHER
2022-42 480 Finance OTHER
2022-42 480 IT OTHER
2022-42 465 IT OTHER
2022-42 465 Sales OTHER
2022-42 310 Legal OTHER
2022-42 310 Marketing OTHER