Question

经过很长时间这是我的问题!!我已经在StackOverflow上搜索了其他Q＆amp; A，但没有找到任何有用的答案。

我有一个带有

等列的pandas DataFrame

|---------------------|------------------|  
|      date           |     Prediction   |  
|---------------------|------------------|  
|       2014-01-01    |         0.0      |  
|---------------------|------------------|  
|       2014-01-01    |         0.0      |  
|---------------------|------------------|  
|       2014-01-02    |         0.0      |  
|---------------------|------------------|  
|       2014-01-02    |         0.0      |  
|---------------------|------------------|

我想在date列的单元格中设置值（使用Prediction列上的groupby操作）而不是0.这样假设我的预测是一个数据框x，其中有两个价值

|---------------------|------------------|  
|      date           |       yhat       |  
|---------------------|------------------|  
|       2014-01-01    |         2.0      |  
|---------------------|------------------|  
|       2014-01-02    |         3.0      |  
|---------------------|------------------|

我尝试按以下df.groupby('date', as_index=False)['Prediction'] = x['yhat']

进行操作

但它给我一个错误：

TypeError：＆＃39; DataFrameGroupBy＆＃39;对象不支持项目分配

我对输出的期望是：

|---------------------|------------------|  
|      date           |     Prediction   |  
|---------------------|------------------|  
|       2014-01-01    |         2.0      |  
|---------------------|------------------|  
|       2014-01-01    |         2.0      |  
|---------------------|------------------|  
|       2014-01-02    |         3.0      |  
|---------------------|------------------|  
|       2014-01-02    |         3.0      |  
|---------------------|------------------|

由于分组操作基本上是两行数据帧，因此我期望它能够正常工作，因为x也是一个带有2个值的pandas数据帧。

我们非常感谢您提供此任何建议。

修改我的数据框中有更多日期（比上面的示例所示）。我只需要为特定日期（不是所有日期）填充预测列值。

感谢。

Answer 1

您可以使用join()操作执行此操作。例如：

data = pd.DataFrame({'Prediction': [0, 0, 0, 0]},
                    index=['2014-01-01', '2014-01-01', '2014-01-02', '2014-01-02'])
vals = pd.DataFrame({'yhat': [2, 3]}, index=['2014-01-01', '2014-01-02'])
result = data.join(vals)
result
#             Prediction  yhat
# 2014-01-01           0     2
# 2014-01-01           0     2
# 2014-01-02           0     3
# 2014-01-02           0     3

但现在这些专栏并不完全是你想要的。因此，我们会删除原始Prediction并重命名yhat：

result.drop('Prediction', axis=1).rename({'yhat': 'Prediction'}, axis=1)
#             Prediction
# 2014-01-01           2
# 2014-01-01           2
# 2014-01-02           3
# 2014-01-02           3

将pandas系列分配给groupby操作

1 个答案: