验证码

g = df.groupby(['date', 'id'])
df['mark_previous'] = g.tail(1).groupby('id')['mark'].shift()
df['mark_previous'] = g['mark_previous'].transform('max').fillna(0).astype('int')

字符串
df：

date    mark    id  mark_previous
0   202301  1       20  0
1   202301  1       20  0
2   202301  2       21  0
3   202301  3       21  0
4   202302  1       20  1
5   202302  1       20  1
6   202302  1       21  3
7   202302  1       21  3
8   202303  1       20  1
9   202303  3       20  1
10  202303  1       21  1
11  202304  1       20  3
12  202304  1       21  1

型

中级

g.tail(1).groupby('id')['mark'].shift()

型
：

您可以通过以下步骤实现您正在寻找的内容：
将日期转换为日期时间格式，例如

df['date'] = pd.to_datetime(df['date'], format='%Y%m')

字符串
按“id”和“date”对DataFrame进行排序

df = df.sort_values(by=['id', 'date'])

型
按“id”对DataFrame进行分组，并使用groupby和shift函数

df['mark_shifted'] = df.groupby('id')['mark'].shift(1)

型
创建和使用累计最大值

df['mark_cummax'] = df.groupby(['id', df['date'].dt.to_period('M')])['mark_shifted'].cummax()

型
把东西收拾干净

df['mark_previous'] = df['mark_cummax'].fillna(0).astype(int)
df.drop(columns=['mark_shifted', 'mark_cummax'], inplace=True)

型
给予这个试试！
来源：我的文章https://ioflood.com/blog/pandas-dataframe/