在 Pandas 中有条件地设置分组的值（Python）。

Question

我有一个包含以下列的数据框：

duration, cost, channel 
  2       180      TV1
  1       200      TV2
  2       300      TV3
  1       nan      TV1
  2       nan      TV2
  2       nan      TV3
  2       nan      TV1
  1       40       TV2
  1       nan      TV3

一些成本数值为nans，为了填补它们，我需要做以下操作：

• 按频道分组
• 在一个频道内，将可用成本相加并除以*出现次数（平均值）
• 重新分配该频道内所有行的值：
  • 如果持续时间=1，则成本=平均值*1.5
  • 如果持续时间=2，则成本=平均值

例如： TV2频道，我们有3个条目，其中一个条目成本为空。因此，我需要执行以下操作：

average = 200+40/3 = 80
if duration = 1, cost = 80 * 1.5 = 120

duration, cost, channel 
  2       180      TV1
  1       120      TV2
  2       300      TV3
  1       nan      TV1
  2       80       TV2
  2       nan      TV3
  2       nan      TV1
  1       120      TV2
  1       nan      TV3

我知道我应该使用 df.groupby('channel') 然后对每个组应用函数。 问题在于，如果有一个成本为空，我不仅需要修改空值，而且需要修改组内的所有成本值。

任何提示都将不胜感激。

谢谢！

- ybb

Answer 1

如果我理解您的问题正确，您想要类似以下内容的东西：

def myfunc(group):

    # only modify cost if there are nan's
    if len(group) != group.cost.count():

        # set all cost values to the mean
        group['cost'] = group.cost.sum() / len(group)

        # multiply by 1.5 if the duration equals 1
        group['cost'][group.duration == 1] = group['cost'] * 1.5

    return group


df.groupby('channel').apply(myfunc)

   duration  cost channel
0         2    60     TV1
1         1   120     TV2
2         2   100     TV3
3         1    90     TV1
4         2    80     TV2
5         2   100     TV3
6         2    60     TV1
7         1   120     TV2
8         1   150     TV3

- Rutger Kassies

---

谢谢！但是df中的cost列没有被分配新值。当我执行df.cost = df.groupby('channel').apply(myfunc)时，出现了错误。 - ybb

在这种情况下，apply函数已经返回了与原始df完全相同的数据框，只是成本值不同。因此，您可以执行以下操作：df = df.groupby('channel').apply(myfunc)。但是，如果您坚持只修改成本列，则也可以使用以下代码：df['cost'] = df.groupby('channel').apply(myfunc)['cost']。但我不建议使用后者，因为索引的更改可能会导致不对齐，尽管在这种情况下它可以工作。 - Rutger Kassies

Answer 2

在新版本的 Pandas 中，代码应该更改为：

def myfunc(group):
    # only modify cost if there are nan's
    if len(group) != group.cost.count():

        # set all cost values to the mean
        group['cost'] = group.cost.sum() / len(group)

        # multiply by 1.5 if the duration equals 1
        _ = group.set_value(group[group.duration == 1].index, 'cost', group['cost'] * 1.5)

    return group

- YungChun