Question

我有一个比较棘手的迭代问题，我很难实施。

我有一个数据帧，其前6列如下所示。我正在尝试编写一个在组内进行迭代的函数-特别是按类别和级别对行进行分组-然后如果该行与组中的其他行满足两个条件，则生成一个新变量>。我想创造机会吗？下面的二进制指示符，如果符合条件，则等于1。原因列仅提供我要生成的结果的说明。

逻辑：对于每个id_group，如果（（metric_LHS [entity]> Metric_RHS [group中的其他实体]）＆（metric_LHS [entity]> Baseline [entity]）），机会？ = 1

那么在我的例子中，机会？ Jim的列等于1，因为Metric_LHS（Jim）> Metric_RHS（Jack）和Metric_LHS（Jim）> Baseline（Jim）。同时，Rick例如为0，因为该条件不适用于组中唯一的其他人Joe。

有关我编写的一些代码和逻辑，请参见下文。我的问题是：如何在每个组的每一行中进行迭代，并将该行与该组中的其他行进行比较？

id_group=df.groupby(['Category','Level']) for row in id_group: df['Opportunity?'](([df[metric_LHS][row]>df[Metric_RHS][row+1]) &\ (df[metric_LHS][row]>df[Baseline][row])) = 1 ***How to iterate to next row in group?***

Answer 1

以这种方式在groupby对象上进行迭代时，返回的对象将是一个元组（index，group）。

要遍历每个group的行，可以使用DataFrame.itterrows。

类似这样的东西：

id_group=df.groupby(['Category','Level'])

for g_idx, group in id_group:
    for r_idx, row in group.iterrows():
        if (((row['Metric_LHS'] > group['Metric_RHS']).any())
             & (row['Metric_LHS'] > row['Baseline'])):
            df.loc[r_idx, 'Opportunity?'] = 1

使用提供的玩具数据的工作示例

df = pd.DataFrame({'Name':['Jim', 'Jack', 'Greg', 'Alex', 'Steve', 'Jack', 'Rick', 'Joe', 'Bill', 'Dave', 'Dan'],
        'Category':['South']*3 + ['North']*3 + ['West']*3 + ['East']*2,
        'Level': [1,1,2,2.5,2.5,2.5,3,3,3.25,4,4],
        'Metric_LHS': [100,80,70,110,90,105,110,111,90,87,83],
        'Metric_RHS': [120,90,75,115,95,110,112,113,95,90,85],
        'Baseline': [95,np.nan,73,112,85,103,105,112,93,75,81],
        'Opportunity?': [np.nan]*11})


id_group=df.groupby(['Category','Level'])

for g_idx, group in id_group:
    for r_idx, row in group.iterrows():
        if (((row['Metric_LHS'] > group['Metric_RHS']).any())
             & (row['Metric_LHS'] > row['Baseline'])):
            df.loc[r_idx, 'Opportunity?'] = 1


print(df)

     Name Category  Level  Metric_LHS  Metric_RHS  Baseline  Opportunity?
0     Jim    South   1.00         100         120      95.0           1.0
1    Jack    South   1.00          80          90       NaN           NaN
2    Greg    South   2.00          70          75      73.0           NaN
3    Alex    North   2.50         110         115     112.0           NaN
4   Steve    North   2.50          90          95      85.0           NaN
5    Jack    North   2.50         105         110     103.0           1.0
6    Rick     West   3.00         110         112     105.0           NaN
7     Joe     West   3.00         111         113     112.0           NaN
8    Bill     West   3.25          90          95      93.0           NaN
9    Dave     East   4.00          87          90      75.0           1.0
10    Dan     East   4.00          83          85      81.0           NaN

熊猫：Groupby，并在组内进行条件迭代吗？

1 个答案:

使用提供的玩具数据的工作示例