Question

我已经写了这个简化的示例来说明我要实现的目标：

import pandas as pd
import pytest

def enable_rows(df, row, myrange):
    # Need to modify this
    df.loc[row + myrange:, 'enabled'] = True
    df.loc[:row - myrange, 'enabled'] = True

def starting_df():
    # just re-creates the initial dataframe to check on values
    distance = {1: (100.0, 'a', False),
                2: (100.0, 'a', False),
                3: (100.0, 'a', False),
                4: (700.0, 'b', False),
                5: (700.0, 'b', False),
                6: (900.0, 'c', False)}

    return pd.DataFrame(data=list(distance.values()), index=list(
        distance.keys()), columns=['distance', 'letter', 'enabled'])

def test_enable(center_row, myrange):
    # convenience function to eye-candy the executions.
    df = starting_df()
    enable_rows(df, center_row, myrange)
    print(df)

    # assertions
    enabled = df.loc[df.enabled]
    if not ((len(enabled) == 3) and
            (len(enabled.loc[df.distance == 100.0]) == 0) and
            (len(enabled.loc[df.distance > 100.0]) == 3)):
        print("wrong result")

test_enable(1, 2)
test_enable(2, 1)

距离数据帧具有几行具有相同的distance和letter列的或有行。最初它们都是enabled == False

我需要根据它们的enabled == True索引和一个row值来设置其中一些range，以便所有与索引的行具有range距离的行row将被启用（而我设法加入了enable_rows函数）。

另外，我需要如果一个distance值未启用其所有行，则不应启用任何行。

上面代码中的两个示例中的

两个示例中，某些distance == 100.0行仍未启用，因此100.0都不应该启用。

他们期望结果数据帧为：

   distance letter  enabled
1     100.0      a    False
2     100.0      a    False
3     100.0      a    False
4     700.0      b     True
5     700.0      b     True
6     900.0      c     True

但是该程序的实际输出是：

   distance letter  enabled
1     100.0      a    False
2     100.0      a    False
3     100.0      a     True
4     700.0      b     True
5     700.0      b     True
6     900.0      c     True
wrong result
   distance letter  enabled
1     100.0      a     True
2     100.0      a    False
3     100.0      a     True
4     700.0      b     True
5     700.0      b     True
6     900.0      c     True
wrong result

我如何更新enable_rows来获得它？

Answer 1

如果所有groupby的值都不是'distances'，则只需transform enabled和True的结果。您可以执行以下操作：

df['enabled'] = df.groupby('distance')['enabled'].transform(lambda x: all(x)==True)

您可以在这里使用

def enable_rows(df, row, myrange):
    # Need to modify this
    df.loc[row + myrange:, 'enabled'] = True
    df.loc[:row - myrange, 'enabled'] = True
    df['enabled'] = df.groupby('distance')['enabled'].transform(lambda x: all(x)==True)

仅当所有相似值均有效时，熊猫才会更新数据框

1 个答案: