我将使用pandas的loc
方法通过条件筛选DataFrame,并给另一列赋值。
初始化DataFrame
import random
random.seed(100)
nums = 100
df = pd.DataFrame({'value':[random.randint(-7, 10) for x in range(nums)],
'id': [random.randint(500, 520) for x in range(nums)],
'prod': [random.choice(['carrots', 'apples', 'pears', 'corn', 'baby corn', 'peppers', 'jalapenos', 'chicken', 'beef', 'raddishes']) for x in range(nums)],
'region':[random.choice(['east', 'west', 'central', 'south']) for x in range(nums)],
'country':[random.choice(['us', 'ca', 'mx']) for x in range(nums)],
'tag': np.nan})
我正在尝试做类似于“按us
或ca
过滤数据集,但仅限于east
和west
地区,并且在分组的prod
和id
中值的总和为负数。”
以下操作将数据框按刚刚分组的内容进行索引,但我想通过索引来隔离这些内容。
df.groupby(['id', 'prod'])['value'].sum().loc[lambda x: x <0].head(10)
id prod
500 apples -6
carrots -6
corn -6
501 apples -3
chicken -2
502 beef -3
pears -2
503 chicken -3
504 jalapenos -4
505 chicken -4
我正在尝试做类似于以下的事情:
df.loc[(df.country.isin(['us', 'ca'])) & (df.region.isin(['east', 'west'])) & (df.groupby(['id', 'prod'])['value'].sum().loc[lambda x: x <0]), 'tag'] = True
如何将groupby后的数据框结果用作pandas loc
中的过滤器?