Question

我有一个如下的Pandas数据帧，必须按Col_2排序：

+----+-------+-------+ 
| id | Col_1 | Col_2 |
+----+-------+-------+
|  1 |     0 |    21 |
|  1 |     1 |    24 |
|  1 |     1 |    32 |
|  1 |     0 |    35 |
|  1 |     1 |    37 |
|  2 |     0 |     2 |
|  2 |     0 |     5 |
+----+-------+-------+

如何创建两个新列：

Col_1_sum：每个id的前一行中的值的总和。 Col_2_max：Col_1为1的最后一行中Col_2的最大值。（对于每个id）

例如，对于上面的数据帧，结果应为：

+----+-------+-------+-----------+-----------+
| id | Col_1 | Col_2 | Col_1_Sum | Col_2_Max |
+----+-------+-------+-----------+-----------+
|  1 |     0 |    21 |         0 |         0 |
|  1 |     1 |    24 |         0 |         0 |
|  1 |     1 |    32 |         1 |        24 |
|  1 |     0 |    35 |         2 |        32 |
|  1 |     1 |    37 |         2 |        32 |
|  2 |     0 |     2 |         0 |         0 |
|  2 |     0 |     5 |         0 |         0 |
+----+-------+-------+-----------+-----------+

Answer 1

你有两个问题。一次一个。

您的第一个问题已通过groupby，shift和cumsum回答：

df.groupby('id').Col_1.apply(lambda x: x.shift().cumsum())

0    NaN
1    0.0
2    1.0
3    2.0
4    2.0
5    NaN
6    0.0
Name: Col_1, dtype: float64

或者，如果您更喜欢清洁输出，

df.groupby('id').Col_1.apply(lambda x: x.shift().cumsum()).fillna(0).astype(int)

0    0
1    0
2    1
3    2
4    2
5    0
6    0
Name: Col_1, dtype: int64

您的第二个，也是类似的，使用groupby，shift，cummax和ffill：

df.Col_2.where(df.Col_1.eq(1)).groupby(df.id).apply(
    lambda x: x.shift().cummax().ffill()
)

0     NaN
1     NaN
2    24.0
3    32.0
4    32.0
5     NaN
6     NaN
Name: Col_2, dtype: float64

在这两种情况下，基本成分是groupby，然后是随后的轮班调用。请注意，由于要对子组执行多个操作，因此很难解决这些答案apply。

考虑通过定义自定义函数来取出lambda。您可以在较大的数据上保存几个周期。

如何指定运行在先前记录上的pandas groupby操作？

1 个答案: