Question

我正在尝试汇总类型匹配的每个组中的值，并将其应用于store = 1的行。

下面的A组示例包含一个存储= 1和三个存储= 2。

我想将Level = A中的所有类型3汇总到store = 1行

样本数据：

data = {'group':['A','A','A','A','B','B','B','B'],'store':['1','2','2','2','1','2','2','2'],'type':['3','3','1','1','5','0','5','5'],'num':['10','20','30','40','50','60','70','80']}
t1=pd.DataFrame(data)

group store type num    
A     1     3    10 
A     2     3    20 
A     2     1    30
A     2     1    40 
B     1     5    50 
B     2     0    60 
B     2     5    70 
B     2     5    80

正确的输出应该是新列（'new_num'），其中包含类型匹配的每个组的store = 1行处的列表。

group store type num new_num
A     1     3    10  ['10','20']
A     2     3    20  []
A     2     1    30  []
A     2     1    40  []
B     1     5    50  ['50','70','80']
B     2     0    60  []
B     2     5    70  []
B     2     5    80  []

Answer 1

IIUC

t1['new_num']=[[] for x in range(len(t1))]
t1.loc[t1.store=='1','new_num']=[y.loc[y.type.isin(y.loc[y.store=='1','type']),'num'].tolist() for x , y in t1.groupby('group',sort=False)]
t1
Out[369]: 
  group store type num       new_num
0     A     1    3  10      [10, 20]
1     A     2    3  20            []
2     A     2    1  30            []
3     A     2    1  40            []
4     B     1    5  50  [50, 70, 80]
5     B     2    0  60            []
6     B     2    5  70            []
7     B     2    5  80            []

Answer 2

设置

ncol = [[] for _ in range(t1.shape[0])]
res = t1.set_index('group').assign(new_num=ncol)

1）使用一些不稳定的字符串连音和groupby的

u = t1.group + t1.type
check = u[t1.store.eq('1')]
m = t1.loc[u.isin(check)].groupby('group')['num'].agg(list)

res.loc[res.store.eq('1'), 'new_num'] = m

2）如果您想远离光线，请使用pivot

f = t1.pivot_table(
  index=['group', 'type'],
  columns='store',
  values='num',
  aggfunc=list
).reset_index()

m = f[f['1'].notnull()].set_index('group').drop('type', 1).sum(1)

res.loc[res.store.eq('1'), 'new_num'] = m

两者都能设法产生：

      store type num       new_num
group
A         1    3  10      [10, 20]
A         2    3  20            []
A         2    1  30            []
A         2    1  40            []
B         1    5  50  [50, 70, 80]
B         2    0  60            []
B         2    5  70            []
B         2    5  80            []

使用pivot的糟糕时，我实际上认为该解决方案非常简洁：

store group type     1         2
0         A    1   NaN  [30, 40]
1         A    3  [10]      [20]
2         B    0   NaN      [60]
3         B    5  [50]  [70, 80]

它会产生上述汇总，您可以找到非空值，这些非空值是您要查找的所有匹配组类型组合，然后对这些行进行求和即可得出所需的汇总列表。

在一组熊猫数据框上应用一个值

2 个答案: