根据熊猫中groupby元素的大小创建新列

A.Z 发表于 Dev

这是一个数据框的示例，

    id  Section A   B
0   abc foo 0.1 0.6
1   abc foo 0.2 0.3
2   abc bar 0.5 0.1
3   def foo 0.1 0.1
4   def bar 0.1 0.3
5   def bar 0.6 0.1
6   ghj foo 0.3 0.1
7   ghj foo 0.1 0.7
8   ghj bar 0.1 0.2

df['AA', 'BB']从以下列表中创建新列。

A_foo = [0.1,2]
A_bar = [1,0.3]

B_foo = [0.4,0.2]
B_bar = [1.2,0.5]

到目前为止，这是我尝试过的方法

g = df.groupby('id')['A','B']
for i, i_d in g:
    print(i_d)

length of `A_foo, A_bar, B_foo and B_bar` is always greater or equal to df`

[df.Section == 'foo'] and df[df.Section == 'bar']` of any unique id.

然后创建df['AA']，对于每个'foo' and 'bar'在df['Section']每个ID，我想从采取相应的值A_foo and A_bar。

例如，在第一个i_d（id = abc）中，将df.A具有two 'foo' and one 'bar'的前三行df['AA']，

[0.1,2,1... 0.1 and 2 from A_foo and 1 from A_bar

然后在第二个i_d(id='def')，df.A has one foo and two bar所以我需要添加0.1 from A_foo and 1,0.3 from A_bar。现在

df['AA'] will look [0.1,2,1,0.1,1,0.3...

从上一个i_d开始，我0.1,2 from A_foo and 1 from A_bar.现在将收集完整的

df['AA'] = [0.1,2,1,0.1,1,0.3,0.1,2,1]

同样，df['BB']从B_foo和创建B_bar

df['BB'] = [0.4,0.2,1.2,0.4,1.2,0.5,0.4,0.2,1.2]

这是最终的df

    id  Section A   B   AA  BB
0   abc foo    0.1  0.6 0.1 0.4
1   abc foo    0.2  0.3 2.0 0.2
2   abc bar    0.5  0.1 1.0 1.2
3   def foo    0.1  0.1 0.1 0.4
4   def bar    0.1  0.3 1.0 1.2
5   def bar    0.6  0.1 0.3 0.5
6   ghj foo    0.3  0.1 0.1 0.4
7   ghj foo    0.1  0.7 2.0 0.2
8   ghj bar    0.1  0.2 1.0 1.2

洛兹

用groupby+创建索引cumcount，然后使用np.select来分配各个列表中的值。

import numpy as np

df['idx'] = df.groupby(['id', 'Section']).cumcount()

conds = [df.Section.eq('foo'), df.Section.eq('bar')]
AA_choice = [np.array(A_foo)[df.idx], np.array(A_bar)[df.idx]]
BB_choice = [np.array(B_foo)[df.idx], np.array(B_bar)[df.idx]]

df['AA'] = np.select(conds, AA_choice, default=np.NaN)
df['BB'] = np.select(conds, BB_choice, default=np.NaN)

输出：

    id Section    A    B  idx   AA   BB
0  abc     foo  0.1  0.6    0  0.1  0.4
1  abc     foo  0.2  0.3    1  2.0  0.2
2  abc     bar  0.5  0.1    0  1.0  1.2
3  def     foo  0.1  0.1    0  0.1  0.4
4  def     bar  0.1  0.3    0  1.0  1.2
5  def     bar  0.6  0.1    1  0.3  0.5
6  ghj     foo  0.3  0.1    0  0.1  0.4
7  ghj     foo  0.1  0.7    1  2.0  0.2
8  ghj     bar  0.1  0.2    0  1.0  1.2

如果您的清单不够长，则会显示IndexError。如果是这样，则可以考虑通过以下方式进行切片：np.array(A_foo)[df.idx%len(A_foo)]

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。