Pandas数据框重组

Question

我有以下Pandas数据框，它显示了塔中台阶的坐标，包括z-min和z-max:

import pandas as pd

names = ['T1', 'T2', 'T2', 'T1', 'T1']
coord = [0, 0, 5, 50, 70]


df = pd.DataFrame([names , coord ], index=['Name', 'Cord']).T  

导致：

  Name Cord
0    T1   0
1    T2   0
2    T2   5
3    T1   50
4    T1   70

对于每一个独特的坐标，我想重新分组所有塔，这些塔的z-max小于或等于该坐标。因此：

     Name      Cord
0    T1,T2      0
1    T1,T2      5
2    T1         50
3    T1         70

我该怎么做？

我已经做了什么

按唯一坐标分组：

import numpy as np

g = df.groupby('Cord')['Name'].apply(lambda x: list(np.unique(x)))

我理解为：

Cord
0     [T1, T2]
5         [T2]
50        [T1]
70        [T1]

...但是除此之外，我不确定。

编辑

提出的答案对于两座塔的z-min值不相同时无法解决：

import pandas as pd

names = ['T1', 'T2', 'T2', 'T1', 'T1']
coord = [0, 5, 10, 50, 70]


df = pd.DataFrame([names , coord ], index=['Name', 'Cord']).T

- henry

---

为什么在50时是T1，T2，但在70时只有T1？ - Quang Hoang

我是唯一一个不明白的人吗？ - Mykola Zotko

Answer 1

让我们尝试数据透视表：

(df.pivot(index='Cord', columns='Name', values='Name')
   .bfill().apply(lambda x: list(x.dropna()), axis=1)
)

输出：

Cord
0     [T1, T2]
5     [T1, T2]
50        [T1]
70        [T1]
dtype: object

解释: 首先，我们将表格透视，使其看起来类似于您的图片:

df.pivot(index='Cord', columns='Name', values='Name')

这将会给出：

Name   T1   T2
Cord          
0      T1   T2
5     NaN   T2
50     T1  NaN
70     T1  NaN

因此，您可以在所有Cord级别上看到塔楼，除了它们是自下而上的。现在我们使用bfill来填充缺失的中间级别，例如T1上的5。

最后，我们想要沿着行进行聚合，这意味着使用apply和axis=1。Lambda函数是自说明的（我希望如此）。

---

更新: 对于更新后的数据，我们需要从第一个非NaN值开始使用bfill：

(df.pivot(index='Cord', columns='Name', values='Name')
   .apply(lambda x: x[x.notna().cumsum().ne(0)].bfill())
   .apply(lambda x: list(x.dropna()), axis=1)
)

输出：

Cord
0         [T1]
5     [T1, T2]
10    [T1, T2]
50        [T1]
70        [T1]
dtype: object

- Quang Hoang

---

哇，这相当令人印象深刻。您能在回复中简要概述一下代码正在做什么吗？谢谢！ - henry

嗨，我更新了我的问题：你觉得你能再看一下吗？谢谢！ - henry