解决这一问题的一种方法是使用所有没有 Interval=0 的元素创建第二个数据格式。

df2 = df[df.Interval != 0]

然后将列 Specs 的值从带有 Interval==0 的条目映射到新数据from中的 Specs 列：

df2.loc[:, 'Specs'] = df2['Item'].map(df[df.Interval == 0].set_index('Item')['Specs'])

并将两个数据文件串连在一起。

df = pd.concat([df, df2], axis=0)

这将为您提供所需的输出。

我们可以通过首先创建2个dataframes来做到这一点：

1. DF，行的间隔为0
2. DF，行的间隔为0

然后，我们可以创建一个数据字典，它的间隔为0。使用此字典，我们可以更新其他数据格式的规范值。然后，更新的dataframe与原始dataframe合并。代码如下-

rows = [['Chocolate', 0, 0.001],
    ['Chocolate', 3, 0.002],
    ['Chocolate', 5, 0.007],
    ['Milk', 0, 0.004],
    ['Milk', 2, 0.008]]
df = pd.DataFrame(rows, columns=['Item', 'Interval', 'Specs']) # original dataframe
df1 = df[df['Interval'].ne(0)].copy() # dataframe with rows having interval other than 0
df2 = df[df['Interval'].eq(0)].copy() # dataframe with rows having interval 0