Question

我有一个Pandas DataFrame，如下所示：

status    nb_success     id 
    ok             0      A
    ok             0      A 
    ok             0      A
    nok            0      B

我希望每次ok为id时递增nb_success，以计算每status个ok状态的数量。所以，我想得到的结果是以下数据帧：

status    nb_success     id 
    ok             0      A
    ok             1      A 
    ok             2      A
    nok            0      B

对我来说，最好的方法是使用df.apply，我已经这样做了：

def update_count(nb_success, status):
        if status is 'ok': 
            return nb_success + 1

dataframe['nb_success'] = dataframe.apply(lambda row: update_count(row['nb_success'], row['status']), axis=1)

但是当我尝试print所有nb_success != 0行时，我得到一个空数据帧。 print(dataframe.loc[dataframe['nb_success'] != 0])

我在这里做错了什么？

Answer 1

最好使用loc与cumsum布尔掩码 - True值转换为1，得到系列1,2,3...，因此需要减去{{ 3}}：

mask = df['status'] == 'ok'
df.loc[mask, 'nb_success'] = mask.cumsum() - 1
print (df)
  status  nb_success id
0     ok           0  A
1     ok           1  A
2     ok           2  A
3    nok           0  B

或使用sub：

mask = df['status'] == 'ok'
df['nb_success']= df['nb_success'].mask(mask, mask.cumsum() - 1)
print (df)
  status  nb_success id
0     ok           0  A
1     ok           1  A
2     ok           2  A
3    nok           0  B

mask的解决方案 - 有点过于复杂：

我认为你需要cumcount：

df ['nb_success']= df['nb_success'].mask(df['status'] == 'ok',
                                         df.groupby('status')['nb_success'].cumcount())
print (df)
  status  nb_success id
0     ok           0  A
1     ok           1  A
2     ok           2  A
3    nok           0  B

与mask类似的解决方案：

mask = df['status'] == 'ok'
df.loc[mask, 'nb_success']= df[mask].groupby('status')['nb_success'].cumcount()
print (df)
  status  nb_success id
0     ok           0  A
1     ok           1  A
2     ok           2  A
3    nok           0  B

Answer 2

success_count = 0
def update_count(nb_success, status):
        global success_count
        if status is 'ok': 
            success_count += 1
        return success_count 

dataframe['nb_success'] = dataframe.apply(lambda row: update_count(row['nb_success'], row['status']), axis=1)

测试这个

基于Pandas DataFrame中的列更改行值时出现问题

2 个答案: