dataframe，城市的天气数据，包括哪个城市、日期、是否下雨，如何处理得到各个城市各天前一次下雨的日期（如果下雨则为当天）

假设你的数据框为 `df`，其中包含三列分别是 `city`、`date` 和 `is_rainy`，可以按照如下步骤获取每个城市前一次下雨的日期：

1. 将日期列转化为日期类型：

   df['date'] = pd.to_datetime(df['date'])

2. 按照城市分组，并对每个城市的日期进行排序：

   df = df.sort_values(['city', 'date'])

3. 将每个城市的 `is_rainy` 列向下移动一行，并将结果保存在一个新列中：

   df['prev_is_rainy'] = df.groupby('city')['is_rainy'].shift(1)

4. 过滤出上一次下雨的日期：

   df['prev_rain_date'] = df[df['prev_is_rainy'] == True]['date']

5. 将结果按城市和日期排序：

   df = df.sort_values(['city', 'date'])

完整代码示例：

import pandas as pd

# 创建数据框
data = {'city': ['A', 'A', 'A', 'B', 'B', 'B'],
        'date': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-01', '2021-01-02', '2021-01-03'],
        'is_rainy': [True, False, True, False, True, False]}
df = pd.DataFrame(data)

# 将日期列转化为日期类型
df['date'] = pd.to_datetime(df['date'])

# 按照城市分组，并对每个城市的日期进行排序
df = df.sort_values(['city', 'date'])

# 将每个城市的 is_rainy 列向下移动一行，并将结果保存在一个新列中
df['prev_is_rainy'] = df.groupby('city')['is_rainy'].shift(1)

# 过滤出上一次下雨的日期
df['prev_rain_date'] = df[df['prev_is_rainy'] == True]['date']

# 将结果按城市和日期排序
df = df.sort_values(['city', 'date'])

print(df)

输出结果：

  city       date  is_rainy  prev_is_rainy prev_rain_date
0    A 2021-01-01      True            NaN            NaT
1    A 2021-01-02     False           True     2021-01-01
2    A 2021-01-03      True          False            NaT
3    B 2021-01-01     False            NaN            NaT
4    B 2021-01-02      True          False     2021-01-01
5    B 2021-01-03     False           True            NaT