Question

我有一个如下所示的数据框：

       bucket  type   v
0         0    X      14
1         1    X      10
2         1    Y      11
3         1    X      15
4         2    X      16
5         2    Y      9
6         2    Y      10
7         3    Y      20
8         3    X      18
9         3    Y      15
10        3    X      14

所需的输出如下所示：

       bucket  type   v    v_paired
0         1    X      14   nan      (no Y coming before it)
1         1    X      10   nan      (no Y coming before it)
2         1    Y      11   14 (highest X in bucket 1 before this row)
3         1    X      15   11   (lowest Y in bucket 1 before this row)

4         2    X      16   nan (no Y coming before it in the same bucket)
5         2    Y      9    16 (highest X in same bucket coming before)
6         2    Y      10   16 (highest X in same bucket coming before)

7         3    Y      20   nan (no X coming before it in the same bucket)
8         3    X      18   20  (single Y coming before it in same bucket)
9         3    Y      15   18 (single Y coming before it in same bucket)
10        3    X      14   15  (smallest Y coming before it in same bucket)

目标是构建v_paired列，规则如下：

在同一个存储桶中查找具有相反类型（X与Y）的相同存储桶中的行，将这些行称为“对候选者”
如果当前行是X，请选择min。如果当前行为Y，则从对候选对中成为v_paired，选择最大值。 v中的候选对象是当前行的v_paired

提前致谢。

Answer 1

我相信这应该以顺序的方式完成...... 第一组按桶

groups = df.groupby('bucket', group_keys=False)

此功能将应用于每个存储桶组

def func(group):
    y_value = None
    x_value = None
    result = []
    for _, (_, value_type, value) in group.iterrows():
        if value_type == 'X':
            x_value = max(filter(None,(x_value, value)))
            result.append(y_value)
        elif value_type == 'Y':
            y_value = min(filter(None,(y_value, value)))
            result.append(x_value)
    return pd.DataFrame(result)

df['v_paired'] = groups.apply(func)

希望这将完成这项工作

Pandas数据框 - 配对存储桶中的行

1 个答案: