Question

我有以下df，

id    match_type    amount    negative_amount
1     exact         10        False
1     exact         20        False
1     name          30        False
1     name          40        False
1     amount        15        True
1     amount        15        True 
2     exact         0         False
2     exact         0         False

我想创建一个列0_amount_sum，指示（布尔值）amount和是＆lt; = 0，或者对于特定match_type的每个id是否为0。以下是结果df;

id    match_type    amount    0_amount_sum    negative_amount   
1     exact         10        False           False
1     exact         20        False           False
1     name          30        False           False
1     name          40        False           False
1     amount        15        True            True
1     amount        15        True            True
2     exact         0         True            False
2     exact         0         True            False

对于id=1和match_type=exact，amount总和为30，因此0_amount_sum为False。代码如下，

df = df.loc[df.match_type=='exact']

df['0_amount_sum_'] = (df.assign(
    amount_n=df.amount * np.where(df.negative_amount, -1, 1)).groupby(
    'id')['amount_n'].transform(lambda x: sum(x) <= 0))

df = df.loc[df.match_type=='name']

df['0_amount_sum_'] = (df.assign(
    amount_n=df.amount * np.where(df.negative_amount, -1, 1)).groupby(
    'id')['amount_n'].transform(lambda x: sum(x) <= 0))

df = df.loc[df.match_type=='amount']

df['0_amount_sum_'] = (df.assign(
    amount_n=df.amount * np.where(df.negative_amount, -1, 1)).groupby(
    'id')['amount_n'].transform(lambda x: sum(x) <= 0))

我想知道是否有更好的方法/更高效的方法，特别是当match_type的值未知时，代码可以自动枚举所有可能的值，然后相应地进行计算。

Answer 1

我认为需要 2 conda info（列）而不是过滤：

groupby

pandas根据另一列中的值创建一个列，该列选择作为条件

1 个答案: