我有一个由调用Pandas.io.json.json_normalize()生成的DataFrame。以下是示例:
dfIn = pd.DataFrame({'seed':[1324367672,1324367672,1324367673,1324367673,1324367674,1324367674], 'lanePolicy':[True,False,True,False,True,False,],
'stepsPerTrip':[40,37,93,72,23,70], 'density':[51,51,208,208,149,149]})
seed lanePolicy stepsPerTrip density
0 1324367672 True 40 51
1 1324367672 False 37 51
2 1324367673 True 93 208
3 1324367673 False 72 208
4 1324367674 True 23 149
5 1324367674 False 70 149
请注意,在dfIn ['seed']中有一对匹配的值,其中一个为True,另一个为False,并且如果dfIn ['seed']匹配两行,则dfIn ['density']也将匹配。我想计算类似以下表格的表格:
dfDesired = pd.DataFrame({'seed':[1324367672,1324367673,1324367674],
'stepsTrue':[40,93,23], 'stepsFalse':[37,72,70], 'stepsDiff':[3, 21, -47], 'density':[51,208,149]})
seed stepsTrue stepsFalse stepsDiff density
0 1324367672 40 37 3 51
1 1324367673 93 72 21 208
2 1324367674 23 70 -47 149
特别是,我正在寻找dfDesired ['stepsDiff']
中的值,它们是每对匹配的dfIn ['seed']
的相关dfIn ['lanePolicy']
的False
和True
值的dfIn ['stepsPerTrip']
之间的差异。注意,dfDesired
应该只有dfIn
行数的一半。
我能够使用以下方法计算单个列的值:
dfDiff = dfIn.loc[dfIn['lanePolicy'] == True]['stepsPerTrip'].reset_index()['stepsPerTrip'] - dfIn.loc[dfIn['lanePolicy'] == False]['stepsPerTrip'].reset_index()['stepsPerTrip']
0 3
1 21
2 -47
Name: stepsPerTrip, dtype: int64
然而,我想创建一个新的DataFrame,以保留其他列。我也尝试了以下方法,但结果不正确:
dfDesired = dfIn.groupby('seed').apply(lambda x:x.loc[x['lanePolicy']==True]['stepsPerTrip']-x.loc[x['lanePolicy']==False]['stepsPerTrip'])
seed
1324367672 0 NaN
1 NaN
1324367673 2 NaN
3 NaN
1324367674 4 NaN
5 NaN
Name: stepsPerTrip, dtype: float64
提前感谢您。