假設(shè)我按如下方式導(dǎo)入 pandas 和 numpy：import pandas as pdimport numpy as np并構(gòu)建以下數(shù)據(jù)框：df = pd.DataFrame({'Alpha' ['A','A','A','B','B','B','B','C','C','C','C','C'],'Beta' : np.NaN})...這給了我這個(gè)：    Alpha  Beta0      A   NaN1      A   NaN2      A   NaN3      B   NaN4      B   NaN5      B   NaN6      B   NaN7      C   NaN8      C   NaN9      C   NaN10     C   NaN11     C   NaN如何使用 pandas 獲取以下數(shù)據(jù)框？df_u = pd.DataFrame({'Alpha':['A','A','A','B','B','B','B','C','C','C','C','C'],'Beta' : [1,2,3,1,2,2,3,1,2,2,2,3]})即：   Alpha  Beta0      A     11      A     22      A     33      B     14      B     25      B     26      B     37      C     18      C     29      C     210     C     211     C     3一般來(lái)說，我想要實(shí)現(xiàn)的目標(biāo)可以用以下邏輯來(lái)描述：假設(shè)我們將 df 按 Alpha 分組。對(duì)于每個(gè)組，對(duì)于組中的每一行......如果行的索引等于組中行的最小索引，則將該行的 Beta 賦值為 1，否則，如果行的索引等于組中行的最大索引，則為該行分配 3 到 Beta，否則將 2 分配給該行的 Beta。