Pandas数据框架-在一个分组中匹配行

Question

Pandas数据框架-在一个分组中匹配行

3

我有一个数据框，长这样：

       bucket  type   v
0         0    X      14
1         1    X      10
2         1    Y      11
3         1    X      15
4         2    X      16
5         2    Y      9
6         2    Y      10
7         3    Y      20
8         3    X      18
9         3    Y      15
10        3    X      14

期望的输出如下所示：

       bucket  type   v    v_paired
0         1    X      14   nan      (no Y coming before it)
1         1    X      10   nan      (no Y coming before it)
2         1    Y      11   14 (highest X in bucket 1 before this row)
3         1    X      15   11   (lowest Y in bucket 1 before this row)

4         2    X      16   nan (no Y coming before it in the same bucket)
5         2    Y      9    16 (highest X in same bucket coming before)
6         2    Y      10   16 (highest X in same bucket coming before)

7         3    Y      20   nan (no X coming before it in the same bucket)
8         3    X      18   20  (single Y coming before it in same bucket)
9         3    Y      15   18 (single Y coming before it in same bucket)
10        3    X      14   15  (smallest Y coming before it in same bucket)

目标是构建v_paired列，规则如下：

查找在此之前的同一桶内的行，具有相反的类型（X与Y），称这些为“配对候选”
如果当前行是X，则选择配对候选中最小的v以成为当前行的v_paired；如果当前行是Y，则选择配对候选中最大的v以成为当前行的v_paired

提前感谢。

- Baron Yugovich

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Eyad Sibai · Answer 1

我认为这应该按顺序完成... 先按桶进行分组

groups = df.groupby('bucket', group_keys=False)

此函数将应用于每个桶组

def func(group):
    y_value = None
    x_value = None
    result = []
    for _, (_, value_type, value) in group.iterrows():
        if value_type == 'X':
            x_value = max(filter(None,(x_value, value)))
            result.append(y_value)
        elif value_type == 'Y':
            y_value = min(filter(None,(y_value, value)))
            result.append(x_value)
    return pd.DataFrame(result)

df['v_paired'] = groups.apply(func)

希望这能完成工作