pandas：groupby仅在满足条件时才使用

Question

我有以下多索引DataFrame：

        m     dist

a  a    2     5
   b    3     8
   c    4     12
   d    2     3
b  a    2     5
   b    3     8
   c    4     14
   d    2     27

我想基于算法计算新列。例如，对于（a，a），算法将是：

选择具有相同级别0索引的所有其他行： - ＆GT; （a，a），（a，b），（a，c），（a，d）

从此选择：选择dist＆lt; = own dist的行 - ＆GT; （a，a）和（a，d）

获取此选择的列m的总和 - ＆gt; 2 + 2 = 4

这会产生以下数据帧：

        m     dist  s

a  a    2     5     4
   b    3     8     7
   c    4     12    11
   d    2     3     2
b  a    2     5     2
   b    3     8     5
   c    4     14    9
   d    2     27    11

通过遍历行，为每一行创建一个新的数据帧，选择具有正确dist的行并执行groupby，这将很容易。但是使用我当前的数据集，这太慢了。这可以通过一些不错的groupby / lambda魔法完成吗？

Answer 1

您可以按dist对数据框进行排序，然后在cumsum列上执行m：

df['s'] = df.sort_values('dist').groupby(level=0).m.cumsum()

这假设dist列中没有重复项，如果有，请对按s分组的列dist进行进一步转换，并且第一级索引应满足：

df['s'] = df.groupby([df.index.get_level_values(0), 'dist']).s.transform('max')