我有一个带有一列ID和一列值的数据框-每个ID与两行或更多行关联。当给定ID内的任何值子集满足我的条件(在这种情况下,值的子集净为零)时,我想用新ID标记这些行,该ID由原始ID以及附加的数字组成识别子集。
到目前为止我尝试过的代码:
import pandas as pd
d = {'ID': ['2016/01 100','2016/01 100','2016/01 100','2016/01 100','2016/01 200',\
'2016/01 200','2016/01 200','2016/01 200'], 'Value': [-343.68, 343.68, -55.2, 55.2,\
-158.77, 158.77, 123.3, -123.3]}
df = pd.DataFrame(data=d)
df['Cumulative_Sum'] = round(df.Value.cumsum(),2)
print(df)
current_ID = df.loc[0, 'ID']
sum_counter = 1
counter = 0
for row in df.index.values:
if (df.loc[row, 'Cumulative_Sum'] == 0):
df.loc[counter:row, 'New_ID'] = str(df.loc[row, 'ID']) + "_" + str(sum_counter)
counter = row + 1
sum_counter = sum_counter + 1
if (counter < len(df.index.values)):
if (df.loc[counter, 'ID'] != df.loc[row, 'ID']):
sum_counter = 1
print (df)
这会产生所需的结果,但是在成千上万的线路上运行时速度很慢。
ID Value Cumulative_Sum New_ID
0 2016/01 100 -343.68 -343.68 2016/01 100_1
1 2016/01 100 343.68 0.00 2016/01 100_1
2 2016/01 100 -55.20 -55.20 2016/01 100_2
3 2016/01 100 55.20 0.00 2016/01 100_2
4 2016/01 200 -158.77 -158.77 2016/01 200_1
5 2016/01 200 158.77 0.00 2016/01 200_1
6 2016/01 200 123.30 123.30 2016/01 200_2
7 2016/01 200 -123.30 0.00 2016/01 200_2
有没有更快速的方法来做到这一点而又无需循环,同时仍将新ID保持在我所需的格式中?
对于令人讨厌的外观表示歉意。
我使用嵌套调用来分组,其中我使用withcumsum
来查找以零结尾的连续组。最后,使用ngroup
获取标签。
然后,我pd.Series.str.cat
将结果附加到旧ID。
df.assign(
New_ID=
df.ID.str.cat(
df.groupby('ID').apply(
lambda d: d.groupby(
d.Cumulative_Sum.eq(0).iloc[::-1].cumsum(),
sort=False).ngroup()
).add(1).astype(str),
sep='_'
)
)
ID Value Cumulative_Sum New_ID
0 2016/01 100 -343.68 -343.68 2016/01 100_1
1 2016/01 100 343.68 0.00 2016/01 100_1
2 2016/01 100 -55.20 -55.20 2016/01 100_2
3 2016/01 100 55.20 0.00 2016/01 100_2
4 2016/01 200 -158.77 -158.77 2016/01 200_1
5 2016/01 200 158.77 0.00 2016/01 200_1
6 2016/01 200 123.30 123.30 2016/01 200_2
7 2016/01 200 -123.30 0.00 2016/01 200_2
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