在 Pandas DataFrame 中找到两个匹配的行来计算值

Question

我想在 Pandas 数据框中为另一行找到匹配的行。 鉴于此示例框架：

        name  location   type    year     area    delta
0   building        NY      a    2019    650.3        ?
1   building        NY      b    2019    400.0        ?
2       park        LA      a    2017    890.7        ?
3       lake        SF      b    2007    142.2        ?
4       park        LA      b    2017    333.3        ?
         ...

每行都有一个匹配的行，其中所有值都相等 - 除了“类型”和“区域”。 例如，第 0 行和第 1 行匹配，第 2 行和第 4 行，...

我想以某种方式获得匹配的行； 并在它们的“delta”列中写出它们的面积之间的差异（例如，第 0 行的 |650.3 - 400.0| = 250.3）。

“delta”列尚不存在，但可以使用df["Delta"] = 0轻松添加一个空列。 我只是不知道如何能够为所有行填充增量列。

我尝试使用df[name = 'building' & location = 'type' ... ~& type = 'a']获取匹配的行； 但我无法编辑从中得到的结果。 也许我也不太明白什么时候拿到副本，什么时候参考。

我希望我的问题很清楚。 如果没有，我很乐意进一步解释。

非常感谢您的帮助！

Answer 1

IIUC，你想要groupby.transform ：

df['delta']=( df.groupby(df.columns.difference(['type','area']).tolist())
                .transform('diff').abs() )
print(df)
       name location type  year   area  delta
0  building       NY    a  2019  650.3    NaN
1  building       NY    b  2019  400.0  250.3
2      park       LA    a  2017  890.7    NaN
3      lake       SF    b  2007  142.2    NaN
4      park       LA    b  2017  333.3  557.4

如果要在delta列的两行中写入差异：

df['delta']=( df.groupby(df.columns.difference(['type','area']).tolist())
                .transform(lambda x: x.diff().bfill()).abs() )
print(df)
       name location type  year   area  delta
0  building       NY    a  2019  650.3  250.3
1  building       NY    b  2019  400.0  250.3
2      park       LA    a  2017  890.7  557.4
3      lake       SF    b  2007  142.2    NaN
4      park       LA    b  2017  333.3  557.4

---

细节：

df.columns.difference(['type','area']).tolist()
#[*df.columns.difference(['type','area'])] or this

#['location', 'name', 'year'] #Output

Answer 2

merge的解决方案：

df['other_type'] = np.where(df['type']=='a', 'b', 'a')
(df.merge(df, 
         left_on=['name','location', 'year', 'type'],
         right_on=['name','location', 'year', 'other_type'],
         suffixes=['','_r'])
   .assign(delta=lambda x: x['area']-x['area_r'])
   .drop(['area_r', 'other_type_r'], axis=1)
)