![](/img/trans.png)
[英]Creating new column in a Pandas df, where each row's value depends on the value of a different column in the row immediately above it
[英]Pandas column where each value depends on another df query
我面臨着一個復雜的問題。 我有一個我有客戶的第一個數據框(請注意,ClientID 不是唯一的,您可以將相同的 ClientID 與不同的 TestDate 關聯):
df1:
ClientID TestDate
1A 2019-12-24
1B 2019-08-26
1B 2020-01-12
我有另一個“操作”數據框,指示日期和涉及哪個客戶
df2:
LineNumber ClientID Date Amount
1 1A 2020-01-12 50
2 1A 2019-09-24 15
3 1A 2019-12-25 20
4 1A 2018-12-30 30
5 1B 2018-12-30 60
6 1B 2019-12-12 40
我想要的是向 df1 添加一個包含平均數量和行數的列,但只采用 Date < TestDate 的 df2 行
例如,對於客戶端 1A,我將只取 LineNumber 2 和 4(因為第 1 行和第 3 行的日期晚於 TestDate),然后獲取 df1 的以下輸出:
預期 df1 :
ClientID TestDate NumberOp MeanOp
1A 2019-12-24 2 22.5
1B 2019-08-26 1 60
1B 2020-01-12 2 50
注意:1B Client的第一行,由於TestDate是2019-08-26
,所以只看到一個操作(LineNumber 6的操作是在2019-12-12
做的,所以在2019-12-12
之后,所以我不取了考慮在內)。
我已經有一個代碼可以做到這一點,但我必須在我的df1
上使用iterrows
,這需要很iterrows
:
當前代碼(工作但很長):
for index, row in df1.iterrows():
id = row['ClientID']
date = row['TestDate']
df2_known = df2.loc[df2['ClientID'] == id]
df2_known = df2_known.loc[df2_known['Date'] < date]
df1.loc[index, 'NumberOp'] = df2_known.shape[0]
df1.loc[index, 'MeanOp'] = df2_known['Amount'].mean()
我有使用聚合的想法,以及mean
和count
類的命令,但我必須按日期過濾每一行的事實是一個我無法弄清楚的大問題。 非常感謝您的幫助。
編輯:剩余問題:
答案編輯中給出的修復(“如果您想保留 df2 缺少的匹配鍵”)與我的問題不符。
事實上,如果 df2 中沒有操作可用於計算均值和計數,我想避免丟失 df1 的等效行。 我會用一個例子告訴你這個問題:
df = df2.merge(df1, on=['ClientID'], how='right')
print(df[df['ClientID'] == '5C'])
Output :
ClientID TestDate Date Amount
5C 2019-12-12 2020-01-12 50
如果我按照答案中給出的方式進行groupby
和transform
,我的輸出將不會有任何CliendID == '5C'
,因為Date < TestDate
和Date is null
永遠不會發生,所以當我執行df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
時該行丟失df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
。 我個人希望在我的最終輸出中有一行CliendID == '5C'
,看起來像這樣:
ClientID TestDate NumberOp MeanOp
5C 2019-12-12 0 NaN
您可以合並和轉換:
df = df2.merge(df1, on=['ClientID'])
#filter based on condition
df = df[df['Date']<df['TestDate']]
#get the mean and count into new columns
df['MeanOp'] = df.groupby(['ClientID'])['Amount'].transform('mean')
df['NumberOp'] = df.groupby(['ClientID'])['Amount'].transform('count')
#drop duplicates and irrelevant columns
df = df.drop(['Amount','Date','LineNumber'],1).drop_duplicates()
輸出:
ClientID TestDate MeanOp NumberOp
1 1A 2019-12-24 22.5 2
4 1B 2019-08-26 70.0 1
編輯:如果您想保留df2
缺少的匹配鍵:
df = df2.merge(df1, on=['ClientID'], how='right')
df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
df['MeanOp'] = df.groupby(['ClientID'])['Amount'].transform('mean')
df['NumberOp'] = df.groupby(['ClientID'])['Amount'].transform('count')
df = df.drop(['Amount','Date','LineNumber'],1).drop_duplicates()
例子:
df1:
ClientID TestDate
0 1A 2019-12-24
1 1B 2019-08-26
2 1C 2019-08-26
output:
ClientID TestDate MeanOp NumberOp
1 1A 2019-12-24 22.5 2
4 1B 2019-08-26 70.0 1
5 1C 2019-08-26 NaN 0
更新:根據對帖子的編輯,如果您想按(Client_ID, TestDate)
對它們進行(Client_ID, TestDate)
:
df = df2.merge(df1, on=['ClientID'], how='right')
df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
df['MeanOp'] = df.groupby(['ClientID','TestDate'])['Amount'].transform('mean')
df['NumberOp'] = df.groupby(['ClientID','TestDate'])['Amount'].transform('count')
df = df.drop(['Amount','Date','LineNumber'],1).drop_duplicates()
輸出:
df1
ClientID TestDate
0 1A 2019-12-24
1 1B 2019-08-26
2 1B 2020-01-12
3 1C 2019-08-26
df2
LineNumber ClientID Date Amount
0 1 1A 2020-01-12 50
1 2 1A 2019-09-24 15
2 3 1A 2019-12-25 20
3 4 1A 2018-12-30 30
4 5 1B 2018-12-30 60
5 6 1B 2019-12-12 40
df
ClientID TestDate MeanOp NumberOp
1 1A 2019-12-24 22.5 2
4 1B 2019-08-26 60.0 1
6 1B 2020-01-12 50.0 2
8 1C 2019-08-26 NaN 0
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.