Pandas - 在多列中查找并迭代具有匹配值的行，并在另一列中乘以值

Question

这个问题比我之前的问题更进了一步：

我编辑了表格，这样可以减少混淆

首先假设我们有一个数据框如下：

data = pd.DataFrame({'id':['1','2','3','4','5','6','7','8','9','10'], 
                 'A':['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo','foo','bar'],  
                 'C':['10','10','10','50','50','50','50','8','10','20'], 
                 'D':['10','9','8','7','6','5','4','3','2','1']})

如下：

      A  C   D  id
0   foo 10  10  1
1   bar 10  9   2
2   foo 10  8   3
3   bar 50  7   4
4   foo 50  6   5
5   bar 50  5   6
6   foo 50  4   7
7   foo 8   3   8
8   foo 10  2   9
9   bar 20  1   10

我想做的是找到匹配行，然后进行一些计算。

for any two ids(idx, idy) in data.iterrows():
       if idx.A == idy.A and idx.C = idy.C:
       result = idx.D * idy.D

然后生成一个包含三列['id'] ， ['A']和['result']的新数据帧。

@Jon Clements♦使用下面非常简洁的代码回答了我之前的问题：

   df.merge(
        df.groupby(['A', 'C']).D.agg(['prod', 'count'])
        [lambda r: r['count'] > 1],
        left_on=['A', 'C'],
        right_index=True
    )

---

新目标：

现在我想知道有没有一种方法在与row_b匹配时不再迭代row_a。 换句话说，我认为这两个匹配的行是一对。 一旦row_a和row_b成为一对，另一个循环将忽略row_a（而不是row_b，直到row_b与另一行匹配）。

以groupby().agg('prod', 'count')函数为例，我希望生成的所有结果的'count'为2（不仅仅是['count'] == 2的过滤器）。 我认为这不会使用groupby()所以我认为像for循环这样的机制可以解决这个问题吗？ 或者有更好的方法吗？

所以现在的预期结果是（因为id1和id3已成为一对，因此它不会聚合到id9，而对于其余迭代，id3将不会与id1匹配。因此，对于下表，第一行的结果为80但不是160 ，第二行也不是）：

     id   A   result   
0    1   foo   80   
1    3   foo   16
2    4   bar   35
3    5   foo   24

我的英语不太好，所以我不确定我是否清楚地解释了我的问题。 如果你不清楚，问我什么。

谢谢你的帮助。

Answer 1

这是一个冗长的解决方案，远不及Jon Clements为您解决的第一个问题的原始解决方案。 但我提出了一个解决方案，而不需要for-loop。

# sort values by A,C,id
df = df.sort_values(['A','C','id'])
# find where A and C are equal when shifted down by 1
s=(df[['A','C']] == df[['A','C']].shift()).T.apply(lambda x: x.A and x.C)

# create a new series where we take the value of D of whe A and C are equal
# and multiply it with the next value - since it's sorted it should be next A,C match
new_d = (df.iloc[df[s].index].reset_index().D * df.iloc[df[s].index+1].reset_index().D)
new_d.index = df.iloc[df[s].index].index
new_d.name = 'results'

print(new_d)
Output >
0    80
3    35
4    24
2    16
Name: results, dtype: int64

考虑到上述情况，我们只需在df创建一个新列并将其分配给new_d ：

# create a new column in df and assign it to new_d
df['results'] = new_d

df.dropna()[['id','A','results']].sort_values('id')

输出：

    id  A   results
0   1   foo 80.0
2   3   foo 16.0
3   4   bar 35.0
4   5   foo 24.0