我有一个下面的数据框
df = pd.DataFrame([['NY','R',1],
['NJ','Y',12],
['FL','B',20],
['CA','B',40],
['AZ','Y',51],
['NY','R',2],
['NJ','Y',18],
['FL','B',30],
['CA','B',20],
['AZ','Y',45],
['NY','Y',3],
['NJ','R',15],
['FL','R',10],
['CA','R',70],
['AZ','B',25],
['NY','B',4],
['NJ','B',17],
['FL','Y',30],
['CA','R',30],
['AZ','B',75],
['FL','R',5],
['FL','Y',25],
['NJ','R',14],
['NJ','B',11],
['NY','B',5],
['NY','Y',7]],
columns = ['State', 'ID','data'])
State ID data
0 NY R 1
1 NJ Y 12
2 FL B 20
3 CA B 40
4 AZ Y 51
5 NY R 2
6 NJ Y 18
7 FL B 30
8 CA B 20
9 AZ Y 45
10 NY Y 3
11 NJ R 15
12 FL R 10
13 CA R 70
14 AZ B 25
15 NY B 4
16 NJ B 17
17 FL Y 30
18 CA R 30
19 AZ B 75
20 FL R 5
21 FL Y 25
22 NJ R 14
23 NJ B 11
24 NY B 5
25 NY Y 7
我想做的是:重新创建一个新的数据框,使其仅包含状态的eachID中的最小数字。例如:对于州:NY和ID:R,有2个数据:1和2。新数据框将仅采用值:对于州:NY和ID:R类别为1。新数据框最好如下所示:
State dataR dataB dataY
0 NY 1.0 4 3.0
1 NJ 14.0 11 12.0
2 FL 5.0 20 25.0
3 CA 30.0 20 NaN
4 AZ NaN 25 45.0
请注意:结果AZ和CA的列dataR和dataY分别没有任何值(NaN),因为它们在原始数据帧中最初没有这样的值。另请注意,结果中的列变为dataR,dataB和dataY。我的目标是在结果中创建这些列,以便以后可以轻松地在实际数据中读取结果。
并且:我也想保持灵活性,这样我就可以在每个ID R&Y和B的数据中寻求每个州的最小值,因此新的数据框架将如下所示:
State dataRY dataB
0 NY 1 4
1 NJ 12 11
2 FL 5 20
3 CA 30 20
4 AZ 45 25
我尝试使用for循环,如下所示:
colours = [['R'],['B'],['Y']]
def rearranging(df):
df_result = []
for c in colours:
df_colours = df[df['ID'].isin(c)]
df_colours_result = []
for state in np.unique(df['State'].values):
df1 = df_colours[df_colours['State'] == state]
df2 = df1.nsmallest(1,'data')
df_colours_result.append(df2)
first_loop_result = pd.concat(df_colours_result,ignore_index = True, sort = False)
df_result.append(first_loop_result)
final_result = pd.concat(df_result, axis = 1)
return final_result
应该在这里使用可变颜色,因为我想灵活一些,以便以后数据源更改时可以更改其值。
上面的for循环的结果是:
State ID data State ID data State ID data
0 CA R 30.0 AZ B 25 AZ Y 45.0
1 FL R 5.0 CA B 20 FL Y 25.0
2 NJ R 14.0 FL B 20 NJ Y 12.0
3 NY R 1.0 NJ B 11 NY Y 3.0
4 NaN NaN NaN NY B 4 NaN NaN NaN
我不喜欢我的结果,因为:很难阅读,我需要重新排列并重新命名列。无论如何,通过使用for循环可以获得我实际上针对上述结果的结果?也欢迎进行矢量化。
也请(再次)告知我,我也想对列ID保持灵活。例如,这就是我要包括的原因,例如,我想说的是,我需要查看ID R&Y组合和ID B的每个州的最小数据值。在我的尝试中,我仅更改了以下代码,使循环保持不变:
colours = [['R','Y'],['B']]
结果是:
State ID data State ID data
0 AZ Y 45 AZ B 25
1 CA R 30 CA B 20
2 FL R 5 FL B 20
3 NJ Y 12 NJ B 11
4 NY R 1 NY B 4
注意:相比之下,如果存在NaN,则NaN会被忽略(不会被视为零)。
再一次,结果与我的目标不同,该表的信息不足。
答案 0 :(得分:3)
IIUC,在groupby()
和State
上使用ID
并获得min
列中的data
,并在需要时拆栈(add_prefix
)。 :
df.groupby(['State','ID'],sort=False)['data'].min().unstack().add_prefix('data_')
ID data_R data_Y data_B
State
NY 1.0 3.0 4.0
NJ 14.0 12.0 11.0
FL 5.0 25.0 20.0
CA 30.0 NaN 20.0
AZ NaN 45.0 25.0
编辑:按照OP的要求,如果您想将Y
和R
合并在一起,只需替换并做类似的事情:
(df.assign(ID=df['ID'].replace(['Y','R'],'YR'))
.groupby(['State','ID'],sort=False)['data'].min().unstack().add_prefix('data_'))
ID data_YR data_B
State
NY 1 4
NJ 12 11
FL 5 20
CA 30 20
AZ 45 25