Question

下面我有一个数据框，显示了两个不同供应商的木材和钢材价格。

我想添加一列，该列显示来自同一供应商的对立商品的最高价格（即，如果线是木，它将拉动钢）。

例如，“汤姆”的“钢”行将显示他的最高木材价格为42。

到目前为止，我拥有的代码只是返回原始商品的最高价格（即不是相反的价格，因此对于Tom的钢铁行返回24，但我希望它返回42）。

我认为这是拉多组最大值的问题。我尝试了多种方法，但似乎无法理解。

任何想法都将不胜感激。

import pandas as pd
import numpy as np
data = {'Supplier':['Tom', 'Tom', 'Tom', 'Bill','Bill','Bill'],'Item':['Wood','Wood','Steel','Steel','Steel','Wood'],'Price':[42,33,24,16,12,18]}
df = pd.DataFrame(data)

df['Opp_Item'] = np.where(df['Item']=="Wood", "Steel", "Wood")
df['Opp_Item_Max'] = df.groupby(['Supplier','Opp_Item'])['Price'].transform(max)
print(df)


  Supplier   Item  Price Opp_Item  Opp_Item_Max
0      Tom   Wood     42    Steel            42
1      Tom   Wood     33    Steel            42
2      Tom  Steel     24     Wood            24
3     Bill  Steel     16     Wood            16
4     Bill  Steel     12     Wood            16
5     Bill   Wood     18    Steel            18

Answer 1

如果您可以找到每个供应商+项目的最大值，则可以交换值并通过join将其分配回来：

v = df.groupby(['Supplier', 'Item']).Price.max().unstack(-1)
# This reversal operation works under the assumption that
# there are only two items and that they are opposites of each other. 
v[:] = v.values[:, ::-1]  

df = (df.set_index(['Supplier', 'Item'])
        .join(v.stack().to_frame('Opp_Item_Max'), how='left')
        .reset_index())

print(df)
  Supplier   Item  Price  Opp_Item_Max
0     Bill  Steel     16            18
1     Bill  Steel     12            18
2     Bill   Wood     18            16
3      Tom  Steel     24            42
4      Tom   Wood     42            24
5      Tom   Wood     33            24

注意：加入后将不会保留数据的顺序。

Answer 2

您可以map到groupby之前相反的值，然后将其合并回原始DataFrame。

d = {'Steel': 'Wood', 'Wood': 'Steel'}

df.merge(df.assign(Item = df.Item.map(d))
           .groupby(['Supplier', 'Item'], as_index=False).max(),
         on=['Supplier', 'Item'],  
         how='left',
         suffixes=['', '_Opp_Item'])

  Supplier   Item  Price  Price_Opp_Item
0      Tom   Wood     42              24
1      Tom   Wood     33              24
2      Tom  Steel     24              42
3     Bill  Steel     16              18
4     Bill  Steel     12              18
5     Bill   Wood     18              16

Python-对多个Groupby执行最大功能

2 个答案: