从组中的其他行获取价值

时间:2018-09-06 13:25:07

标签: python pandas pandas-groupby

我有一个数据框,例如:

Exit Sub

我想为每个标识符添加一个额外的“ bonus_value”,如果当前行不是奖励,则包含所有相关id奖励的总和。像这样:

df = pd.DataFrame([
    {'id': 1, 'bonus': True, 'value': 10 },
    {'id': 1, 'bonus': True, 'value': 15 },
    {'id': 1, 'bonus': False, 'value': 5 },

    {'id': 2, 'bonus': False, 'value': 20 },
    {'id': 2, 'bonus': True, 'value': 10 },
])

奖金不能附带奖金。我只想在 {'id': 1, 'bonus': True, value: 10, bonus_value: 0 }, {'id': 1, 'bonus': True, value: 15, bonus_value: 0 }, {'id': 1, 'bonus': False, value: 5, bonus_value: 25 }, {'id': 2, 'bonus': False, value: 20, bonus_value: 10 }, {'id': 2, 'bonus': True, value: 10, bonus_value: 0 }, 属性中获取所有相关ID奖金的总和。

我试图将它们分组:

bonus_value

但是显然,它不起作用:

per_id_groups = df.groupby(["id", "bonus"]).sum().reset_index()

updated_df = df.merge(
    per_id_groups,
    on=["id", "bonus"],
    suffixes=["", "_with_bonus"]
)

updated_df["bonus_value"] = updated_df["value_with_bonus"] - updated_df["value"]

的确,在奖金方面, bonus id value value_with_bonus bonus_value 0 True 1 10 25 15 1 True 1 15 25 10 2 False 1 5 5 0 3 False 2 20 20 0 4 True 2 10 10 0列中不应有任何值。而且,更烦人的是,我在bonus_value行中没有总和。

我找不到解决此问题的方法。我想我应该在这里错过熊猫功能吗? :)

3 个答案:

答案 0 :(得分:3)

您可以完成两个步骤

df['bonus_value']=df.id.map(df[df.bonus].groupby('id').value.sum())# map the sum value for each group
df.loc[df.bonus,'bonus_value']=0 #then assign 0 to bonus is True
df
Out[205]: 
   bonus  id  value  bonus_value
0   True   1     10            0
1   True   1     15            0
2  False   1      5           25
3  False   2     20           10
4   True   2     10            0

答案 1 :(得分:2)

可以使用df.bonusindex matching

进行过滤
df = df.set_index('id')
df.loc[~df.bonus,'bonus_value'] = df.loc[df.bonus].groupby('id').value.sum()
df.reset_index().fillna(0)

    id  bonus   value   bonus_value
0   1   True    10      0.0
1   1   True    15      0.0
2   1   False   5       25.0
3   2   False   20      10.0
4   2   True    10      0.0

答案 2 :(得分:1)

选项1

df.assign(
    bonus_value=df[~df.bonus].id.map(df.groupby(['bonus', 'id']).value.sum().xs(True)))

   bonus  id  value  bonus_value
0   True   1     10          NaN
1   True   1     15          NaN
2  False   1      5         25.0
3  False   2     20         10.0
4   True   2     10          NaN

选项2

这是我正在尝试

d2 = df.groupby(['bonus', 'id']).value.sum().rename('bonus_value').reset_index()
d2.bonus_value *= d2.bonus
d2.bonus ^= True
df.merge(d2)

   bonus  id  value  bonus_value
0   True   1     10            0
1   True   1     15            0
2  False   1      5           25
3  False   2     20           10
4   True   2     10            0