Question

我有一张表（大约14,000行或100行左右），顺序不能更改。每行都由许多列组成唯一，下面我将对其进行简化。

假设我们有下表，我需要创建一个新列，该列采用共享相同Col2 / Col3（但按列1唯一）的行之间的差异。理想情况下，我不想触及此命令。

注意：实际上，有7个变量将完全匹配，而有1个变量将剩下两个。即组合变量为2-A-A-A-A-A-A-A / 5-A-A-A-A-A-A-A-A。当前7个变量相同时，总是只剩下2个，我正在比较这两个变量。

谢谢！

    Col1    Col2    Col3    Percentage
     2       A       X        5%
     2       B       Y        4%
     2       C       Z        3%
     5       A       X        2%
     5       B       Y        1%
     5       C       Z        5%

   Desired:

   Col1    Col2    Col3    Percentage   Difference
      2       A       X        5%        3%   (*note: matches A/X to get 5%-2%=3%)
      2       B       Y        4%        3%      
      2       C       Z        3%       -2%
      5       A       X        2%        3%
      5       B       Y        1%        3%
      5       C       Z        5%       -2%

Answer 1

我已经解决了这个问题，但是我相信效率低下！

我创建了一个新的数据框

df2 = df[['Col1','Col2','Co3','Percentgage']]

在df2中创建一个新列，该列是第1列的镜像（即，如果2 = 5，如果5 = 2）

df2['opposite_col1'] = np.where(df2['Col1']==2,5,2)

删除了原始列1，并将新列重命名为列1

df2.drop('Col1',axis=1)
df2.columns = ['Col2,'Col3','Mirror_Percentgage','Col1']

这看起来像这样（注意，与表1相同，只是col1被镜像了）。

Col1    Col2    Col3    Mirror_Percentage
 5       A       X        5%
 5       B       Y        4%
 5       C       Z        3%
 2       A       X        2%
 2       B       Y        1%
 2       C       Z        5%

然后只需将df合并到Col1，Col2，Col3上-剩下的就是原始表，除了'Mirror_Percentgage'的附加列。

然后我创建一个新列来查找页边距：

df['Mirror_margin'] = df['Percentgage'] - df['Mirror_Percentgage']

共享相似变量的行之间的差异

1 个答案: