Question

这可能是一个微不足道的问题，但我仍在试图找出大熊猫/ numpy。

所以，假设我有一个具有以下结构的表：

group_id | col1 | col2 | col3 |  "A"   |  "B"
   x     |   1  |   2  |  3   |  NaN   |   1
   x     |   3  |   2  |  3   |   1    |   1 
   x     |   4  |   2  |  3   |   2    |   1
   y     |   1  |   2  |  3   |  NaN   |   3 
   y     |   3  |   2  |  3   |   3    |   3 
   z     |   3  |   2  |  3   |   10   |   2
   z     |   2  |   2  |  3   |   6    |   2
   z     |   4  |   2  |  3   |   4    |   2
   z     |   4  |   2  |  3   |   2    |   2

请注意，有一个group_id可以对每行中的元素进行分组。所以在开始时，我有列group_id和col1-col3的值。

然后对于每一行，如果col1，col2或col3的值= 1，那么＆＃34; A＆＃34;是NaN，否则该值基于公式（与此处无关，因此我放置了一些数字）。

那，我知道如何使用：

df["A"] = np.where(((df['col1'] == 1)|(df['col2']== 1) | (df['col3']) == 1))), NaN, value)

但是对于列＆＃34; B＆＃34;，我需要用特定组的A列中的最小值填充它。

例如，＆＃34; B＆＃34;等于＆＃34; 1＆＃34;对于具有组X的所有行，因为列A中的所有组的最小值＆＃34; x＆＃34;行等于1.

类似地，对于组＆＃34; y＆＃34;中的行，最小值为3，对于组＆＃34; z＆＃34;最小值是2.我究竟是如何使用熊猫那样做的？这让我更加困惑，因为特定组的行数可能有不同的大小。

如果它们的大小都相同，我可以说用预设范围内的最小值填充它。

我希望这是有道理的;如果我应该提供一个更清晰的例子或澄清任何事情，请告诉我！

Answer 1

要获得每个组的A列最小值，请使用transform

df.groupby('group_id')['A'].transform('min')

Answer 2

专注于['col1', 'col2', 'col3']
查看它们是否等于1 eq(1)相当于== 1
查看axis=1与any(1)
使用loc进行作业

anyone = df[['col1', 'col2', 'col3']].eq(1).any(1)
df.loc[anyone, 'A'] = np.nan

numpy equivalent

anyone = (df[['col1', 'col2', 'col3']].values == 1).any(1)
df.A = np.where(anyone, np.nan, df.A)

Answer 3

df.groupby('group_id')['A'].min()

使用Pandas查找分组行的最小值

3 个答案: