Pandas：先查询groupby和sum，最后填充na

xmjla07d 于 2022-12-16 发布在其他

关注(0)|答案(1)|浏览(104)

我试图做一些看起来完全不可读的事情，我想知道我是否可以让它更简单（我打赌我可以，但找不到方法）。
这是我的代码：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,3), columns=list('ABC'))
df['D'] = [1,2,2,1,2]

df1 = df.query('B<1')[['A', 'D']].groupby('D').sum().reset_index()

df = df.set_index(['D'])
df1 = df1.set_index(['D'])

df2 = df1.join(df[['B', 'C']], how='inner', on=['D']).reset_index()

df2.loc[df2['B'] > 1, 'A'] = 0

df

          A         B         C
D
1  0.702204  2.288548 -0.251334
2 -0.346842 -1.486899 -0.576246
2 -1.183607 -2.210152  0.409037
1 -0.884401  0.124899  1.719387
2  0.305400  0.988187  0.160168

df2
   D         A         B         C
0  1  0.000000  2.288548 -0.251334
1  1 -0.884401  0.124899  1.719387
2  2 -1.225049 -1.486899 -0.576246
3  2 -1.225049 -2.210152  0.409037
4  2 -1.225049  0.988187  0.160168

这是我得出的结论，它是正确的，但不是真正可读的。
我需要：
1.查询B〈1的每一行
1.按另一列分组（D）
1.第三列求和（A）
1.在1中不匹配查询的每一行中放入0
没有那些丑陋的代码有可能做到这一点吗？
谢谢你，

pandas

来源：https://stackoverflow.com/questions/74823677/pandas-query-then-groupby-and-sum-and-finally-fillna

1条答案

按热度按时间

ctehm74n1#

如果需要与df2相同的顺序，则首先按D对值进行排序，然后如果1更大，则将A转换为0，因此可以将GroupBy.transform与sum用于大小与原始DataFrame相同的新系列，如果B更大，则最后设置0，如1，并分配给列A：

#query 4 use query 1, so possible reuse mask
m = df.B.lt(1)

df['A'] = df['A'].where(m, 0).groupby(df['D']).transform('sum').where(m,0)
print (df)
   D         A         B         C
0  1  0.000000  2.288548 -0.251334
1  2 -1.225049 -1.486899 -0.576246
2  2 -1.225049 -2.210152  0.409037
3  1 -0.884401  0.124899  1.719387
4  2 -1.225049  0.988187  0.160168

工作原理：

print (df['A'].where(m, 0))
0    0.000000
1   -1.225049
2   -1.225049
3   -0.884401
4   -1.225049
Name: A, dtype: float64

print (df['A'].where(m, 0).groupby(df['D']).transform('sum'))
0   -0.884401
1   -3.675147
2   -3.675147
3   -0.884401
4   -3.675147
Name: A, dtype: float64

print (df['A'].where(m, 0).groupby(df['D'])
              .transform('sum').where(m,0))
0    0.000000
1   -3.675147
2   -3.675147
3   -0.884401
4   -3.675147
Name: A, dtype: float64

型

赞(0）回复(0）举报 2022-12-16

我来回答

Pandas：先查询groupby和sum，最后填充na

1条答案

相关问题

热门标签

最新问答