Question

我正在尝试在其值与另一列交叉引用的列中计算新值。

>>> import pandas as pd
>>> df = pd.DataFrame( {"A":[0., 100., 80., 40., 0., 60.], 
                        "B":[12,  12,   3,  19,  3,  19]} )
>>> df
       A   B
0    0.0  12
1  100.0  12
2   80.0   3
3   40.0  19
4    0.0   3
5   60.0  19

我想根据某个功能在A列中找到所有值为0，在B列中找到对应的值，然后更改具有相同B列值的所有A列值。例如，在上面的示例中，我想将A列的前两个值df.A[0]和df.A[1]分别从0.和100.更改为0.5和99.5，因为df.A[0]为0。并且B列中的值df.B[0] = 12与df.B[1] = 12相同。

df
      A   B
0   0.5  12
1  99.5  12
2  79.5   3
3  40.0  19
4   0.5   3
5  60.0  19

我尝试链接loc，aggregate，groupby和mask功能，但没有成功。是通过for循环的唯一方法吗？

编辑：扩大示例以更好地说明意图。

Answer 1

这将起作用：

import pandas as pd

df = pd.DataFrame( {"A":[0., 100., 40., 60.], "B":[12, 12, 19, 19]} )

def f(series):
    return (series + 0.5).where(series == 0, series - 0.5)

B_value = df.loc[df['A'] == 0, 'B'][0]
df.loc[df['B'] == B_value, 'A'] = df.loc[df['B'] == B_value, 'A'].transform(f)

print(df)

输出：

      A   B
0   0.5  12
1  99.5  12
2  40.0  19
3  60.0  19

您可以将任意函数传递给transform。

可能会有更清洁的方法来执行此操作；令我感到有些混乱。

Answer 2

我找到了可行的解决方案，尽管可能不是最佳选择。我对分组依据进行链接，过滤和变换以获得所需的序列，然后将结果替换为原始数据帧。

import pandas as pd
df = pd.DataFrame( {"A":[0., 100., 80., 40., 0., 60.], 
                    "B":[12,  12,   3,  19,  3,  19]} )
u = ( df.groupby(by="B",  sort=False)
         .filter(lambda x: x.A.min() == 0, dropna=False)
         .A.transform( lambda x: (x+0.5).where(x == 0, x - 0.5) ) 
    )
df.loc[pd.notnull(u), "A"] = u

给出以下结果

print("\ninitial df\n",df,"\n\nintermediate series\n",u,"\n\nfinal result",df)

initial df
        A   B
0    0.0  12
1  100.0  12
2   80.0   3
3   40.0  19
4    0.0   3
5   60.0  19

intermediate series
 0     0.5
1    99.5
2    79.5
3     NaN
4     0.5
5     NaN
Name: A, dtype: float64

final result       A   B
0   0.5  12
1  99.5  12
2  79.5   3
3  40.0  19
4   0.5   3
5  60.0  19

Pandas-基于与另一列的交叉引用计算新值

2 个答案: