我对 python 很陌生,正在努力解决这个问题。我想编写一个程序,该程序允许我针对 'a' 中的每个值,找到 'b' 中高于它的所有值的累积差,并将其写入新列 'c'。我有一个像这样的熊猫数据框:
import pandas as pd
df = pd.DataFrame({'a': [10, 15, 25, 30, 10, 20], 'b': [ 10, 'na', 20, 'na', 30, 10]})
Index| a | b |
0 | 10 | 10 |
1 | 15 | na |
2 | 25 | 20 |
3 | 30 | na |
4 | 10 | 30 |
5 | 20 | 10 |
我想跳过nas。 b 中的项是大于零的值,因此如果方便的话,我可以将 nas 更改为 0 并且仍然跳过所有 0 值。
理想情况下,我希望有一个像这样的新列 df['c']
:
Index| a | b | c |
0 | 10 | 10 | 0 | # 10-10 = 0
1 | 15 | na | 5 | # 15 - 10 = 5
2 | 25 | 20 | 20 | # (25-20) + (25-10) = 5 + 15 = 20
3 | 30 | na | 30 | # (30-20) + (30-10) = 10+20 = 30
4 | 10 | 30 |-30 | # (10-30) + (10-20) + (10-10) = -30
5 | 20 | 10 | 10 | # (20-10) + (20-30) + (20-20) + (20-10) = 10
我尝试使用 df['c] = cumsum(df['a'] - df['b'])
,但它没有完成工作——我需要从 df['a']
中的相应值中减去 df['b']
,以及所有df['b'] 列中高于它的值。
我也试过 df['c] = df['a'] * len(df['b'].unique()) - cumsum(df['b'])
,但问题是 len(df['b'].unique())
总是相同的长度(不会根据索引改变),并且 b 中的数字不一定是唯一的(例如,10 出现在索引 0 和 5)。
谁能指出我正确的方向?
这也是我第一次使用 Stack Overflow;如果我的格式或问题有任何不清楚的地方,请告诉我。谢谢!
答案 0 :(得分:4)
你离我很近!您在第二种方法中适当地重构了数学,但棘手的部分是如何通过此代码段 NaN
正确解释 len(df['b'].unique())
。您可以创建一个掩码,其中 NaN
值 = 0 且非 NaN
值 = 1,然后对这些值进行累积求和以获得适当的乘法系数:
df["c"] = (df["a"] * df["b"].notnull().cumsum()) - df["b"].fillna(0).cumsum()
print(df)
a b c
0 10 10.0 0.0
1 15 NaN 5.0
2 25 20.0 20.0
3 30 NaN 30.0
4 10 30.0 -30.0
5 20 10.0 10.0
为了消除解决系数小的方法,这里有一个中间输出:
>>> df["b"].notnull().cumsum()
0 1
1 1
2 2
3 2
4 3
5 4
Name: b, dtype: int64