我试图以类似于使用SQL窗口函数的方式来操纵我的数据框。考虑以下样本集:
import pandas as pd
df = pd.DataFrame({'fruit' : ['apple', 'apple', 'apple', 'orange', 'orange', 'orange', 'grape', 'grape', 'grape'],
'test' : [1, 2, 1, 1, 2, 1, 1, 2, 1],
'analysis' : ['full', 'full', 'partial', 'full', 'full', 'partial', 'full', 'full', 'partial'],
'first_pass' : [12.1, 7.1, 14.3, 19.1, 17.1, 23.4, 23.1, 17.2, 19.1],
'second_pass' : [20.1, 12.0, 13.1, 20.1, 18.5, 22.7, 14.1, 17.1, 19.4],
'units' : ['g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g'],
'order' : [2, 1, 3, 2, 1, 3, 3, 2, 1]})
+ -------- + ------ + ---------- + ------------ + --------- ---- + ------- + ------- + | 水果 测试 分析| first_pass | second_pass | 订购| 单位| + -------- + ------ + ---------- + ------------ + --------- ---- + ------- + ------- + | 苹果| 1 | 满| 12.1 | 20.1 | 2 | g | | 苹果| 2 | 满| 7.1 | 12.0 | 1 | g | | 苹果| 1 | 部分 14.3 | 13.1 | 3 | g | | 橙色| 1 | 满| 19.1 | 20.1 | 2 | g | | 橙色| 2 | 满| 17.1 | 18.5 | 1 | g | | 橙色| 1 | 部分 23.4 | 22.7 | 3 | g | | 葡萄| 1 | 满| 23.1 | 14.1 | 3 | g | | 葡萄| 2 | 满| 17.2 | 17.1 | 2 | g | | 葡萄| 1 | 部分 19.1 | 19.4 | 1 | g | + -------- + ------ + ---------- + ------------ + --------- ---- + ------- + ------- +
我想添加一些列:
使用此逻辑,我想获得下表:
+ -------- + ------ + ---------- + ------------ + --------- ---- + ------- + ------- + --------- + ------------------- -+ | 水果 测试 分析| first_pass | second_pass | 订购| 单位| 最高| 最高水果| + -------- + ------ + ---------- + ------------ + --------- ---- + ------- + ------- + --------- + ------------------- -+ | 苹果| 1 | 满| 12.1 | 20.1 | 2 | g | 真实| [“苹果”,“橙色”] | | 苹果| 2 | 满| 7.1 | 12.0 | 1 | g | 错误 [“橙色”] | | 苹果| 1 | 部分 14.3 | 13.1 | 3 | g | 错误 [“橙色”] | | 橙色| 1 | 满| 19.1 | 20.1 | 2 | g | 真实| [“苹果”,“橙色” | 橙色| 2 | 满| 17.1 | 18.5 | 1 | g | 真实| [“橙色”] | | 橙色| 1 | 部分 23.4 | 22.7 | 3 | g | 真实| [“橙色”] | | 葡萄| 1 | 满| 23.1 | 22.1 | 3 | g | 错误 [“橙色”] | | 葡萄| 2 | 满| 17.2 | 17.1 | 2 | g | 错误 [“橙色”] | | 葡萄| 1 | 部分 19.1 | 19.4 | 1 | g | 错误 [“橙色”] | + -------- + ------ + ---------- + ------------ + --------- ---- + ------- + ------- + --------- + ------------------- -+
我是熊猫的新手,所以我确定我缺少一些简单的东西。
您可以返回等于的boolean
值,因为仅返回第一次出现的:second_pass
group
max
idxmax
max
df['highest'] = df.groupby(['test', 'analysis'])['second_pass'].transform(lambda x: x == np.amax(x)).astype(bool)
然后使用np.where
捕获所有fruit
具有的值group
max
,然后merge
将结果放入您的DataFrame
样子:
highest_fruits = df.groupby(['test', 'analysis']).apply(lambda x: [f for f in np.where(x.second_pass == np.amax(x.second_pass), x.fruit.tolist(), '').tolist() if f!='']).reset_index()
df =df.merge(highest_fruits, on=['test', 'analysis'], how='left').rename(columns={0: 'highest_fruit'})
最后,请您跟进:
first_pass = df.groupby(['test', 'analysis']).apply(lambda x: {fruit: x.loc[x.fruit==fruit, 'first_pass'] for fruit in x.highest_fruit.iloc[0]}).reset_index()
df =df.merge(first_pass, on=['test', 'analysis'], how='left').rename(columns={0: 'first_pass_highest_fruit'})
要得到:
analysis first_pass fruit order second_pass test units highest \
0 full 12.1 apple 2 20.1 1 g True
1 full 7.1 apple 1 12.0 2 g False
2 partial 14.3 apple 3 13.1 1 g False
3 full 19.1 orange 2 20.1 1 g True
4 full 17.1 orange 1 18.5 2 g True
5 partial 23.4 orange 3 22.7 1 g True
6 full 23.1 grape 3 14.1 1 g False
7 full 17.2 grape 2 17.1 2 g False
8 partial 19.1 grape 1 19.4 1 g False
highest_fruit first_pass_highest_fruit
0 [apple, orange] {'orange': [19.1], 'apple': [12.1]}
1 [orange] {'orange': [17.1]}
2 [orange] {'orange': [23.4]}
3 [apple, orange] {'orange': [19.1], 'apple': [12.1]}
4 [orange] {'orange': [17.1]}
5 [orange] {'orange': [23.4]}
6 [apple, orange] {'orange': [19.1], 'apple': [12.1]}
7 [orange] {'orange': [17.1]}
8 [orange] {'orange': [23.4]}
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句