我正在尝试以有效的方式计算数据可能不匹配的两组之间的差异。
以下数据框df
df = pd.DataFrame({'type': ['A', 'A', 'A', 'W', 'W', 'W'],
'code': ['1', '2', '3', '1', '2', '4'],
'values': [50, 25, 25, 50, 10, 40]})
有两种类型的“代码”不匹配-特别是对于“ W”类型,不存在代码3,对于“ A”类型,不存在代码4。我将代码包装为字符串,因为在我的特殊情况下,有时它们是字符串。
我想减去两种类型之间匹配代码的值,以便我们获得
result = pd.DataFrame({'code': ['1', '2', '3', '4'],
'diff': [0, 15, 25, -40]})
符号将指示哪种类型具有更大的价值。
我花了一些时间在这里研究groupby diff方法的变体,但是没有看到任何处理两个潜在不匹配列之间相减的特殊问题。相反,大多数问题似乎都适合diff()方法的预期用途。
我最近尝试过的方法是在df.groupby['type']
上使用列表理解将其分为两个数据帧,但是在删除不匹配的案例时,我仍然遇到类似的问题。
答案 0 :(得分:1)
按代码分组,然后将缺失的值替换为0
df = pd.DataFrame({'type': ['A', 'A', 'A', 'W', 'W', 'W'],
'code': ['1', '2', '3', '1', '2', '4'],
'values': [50, 25, 25, 50, 10, 40]})
def my_func(x):
# What if there are more than 1 value for a type/code combo?
a_value = x[x.type == 'A']['values'].max()
w_value = x[x.type == 'W']['values'].max()
a_value = 0 if np.isnan(a_value) else a_value
w_value = 0 if np.isnan(w_value) else w_value
return a_value - w_value
df_new = df.groupby('code').apply(my_func)
df_new = df_new.reset_index()
df_new = df_new.rename(columns={0:'diff'})
print(df_new)
code diff
0 1 0
1 2 15
2 3 25
3 4 -40