Question

我有以下数据框

data = 
     a     b     c    val
0   'a1'  'b1'  'c1'   5
1   'a1'  'b1'  'c2'   10
2   'a1'  'b2'  'c3'   1 
3   'a2'  'b1'  'c4'   30
4   'a2'  'b1'  'c5'   20
5   'a2'  'b1'  'c6'   10

我想创建一个具有相同列的新数据框，其中给定（a，b，c）的值等于所有（aa，bb，cc）的值的总和，如果a == aa，b == bb和值（aa，bb，cc）＆gt; =值（a，b，c）。这里aa是a的别名，依此类推。

期望的结果是

data_new = 
     a     b     c    val
0   'a1'  'b1'  'c1'   15
1   'a1'  'b1'  'c2'   10
2   'a1'  'b2'  'c3'   1 
3   'a2'  'b1'  'c4'   30
4   'a2'  'b1'  'c5'   50
5   'a2'  'b1'  'c6'   60

我做了以下事情：

data['key'] = data['a']+data['b']
data_new = data
data_new = data.apply(lambda row: data[ (data.key==row.key) 
                                      & (data.val>=row.val) ].val.sum(), axis=1)
del data_new['key']

实际上，在我的实际数据中，我有更多的列，如a和b，这就是为什么布尔比较，如

(data.a==row.a) & (data.a==row.b) & ...

比较慢。问题是，即使是当前的实现也没有我想要的那么快。我有很大的桌子。有没有办法更快地做同样的事情＆amp;效率更高？

Answer 1

如果我了解你，那么你可以使用cumsum进行一些排序：

>>> grouped = df.sort("val", ascending=False).groupby(["a", "b"])
>>> df["new_val"] = grouped["val"].cumsum()
>>> df
    a   b   c  val  new_val
0  a1  b1  c1    5       15
1  a1  b1  c2   10       10
2  a1  b2  c3    1        1
3  a2  b1  c4   30       30
4  a2  b1  c5   20       50
5  a2  b1  c6   10       60

由于您想要将一组中的值＆gt; =感兴趣的值相加，您可以将这些值按降序排列在A，B组中，然后取这些值的累计总和。

熊猫适用和lambda功能效率

1 个答案: