我有一个通过调用 Pandas.io.json.json_normalize() 生成的 DataFrame。这是一个 示例:
dfIn = pd.DataFrame({'seed':[1324367672,1324367672,1324367673,1324367673,1324367674,1324367674], 'lanePolicy':[True,False,True,False,True,False,],
'stepsPerTrip':[40,37,93,72,23,70], 'density':[51,51,208,208,149,149]})
seed lanePolicy stepsPerTrip density
0 1324367672 True 40 51
1 1324367672 False 37 51
2 1324367673 True 93 208
3 1324367673 False 72 208
4 1324367674 True 23 149
5 1324367674 False 70 149
请注意,dfIn['seed']
中有成对的匹配值与一个True
和一个False
值 dfIn['lanePolicy']
。情况也是如此,如果dfIn['seed']
匹配两个给定行,dfIn['densitiy']
也会匹配。我想计算一个类似于以下的表:
dfDesired = pd.DataFrame({'seed':[1324367672,1324367673,1324367674],
'stepsTrue':[40,93,23], 'stepsFalse':[37,72,70], 'stepsDiff':[3, 21, -47], 'density':[51,208,149]})
seed stepsTrue stepsFalse stepsDiff density
0 1324367672 40 37 3 51
1 1324367673 93 72 21 208
2 1324367674 23 70 -47 149
特别是,我正在寻找 dfDesired['stepsDiff']
中的值,这是 dfIn['stepsPerTrip']
之间的差异相关False
和True
dfIn['lanePolicy']
的值对于每对匹配 dfIn['seed']
。另请注意 dfDesired
行数应为 dfIn
的一半.
我可以使用以下方法计算该单列的值:
dfDiff = dfIn.loc[dfIn['lanePolicy'] == True]['stepsPerTrip'].reset_index()['stepsPerTrip'] - dfIn.loc[dfIn['lanePolicy'] == False]['stepsPerTrip'].reset_index()['stepsPerTrip']
0 3
1 21
2 -47
Name: stepsPerTrip, dtype: int64
但是,我想创建一个新的 DataFrame 来保留其他列。我也尝试了以下方法,但得到了错误的结果:
dfDesired = dfIn.groupby('seed').apply(lambda x:x.loc[x['lanePolicy']==True]['stepsPerTrip']-x.loc[x['lanePolicy']==False]['stepsPerTrip'])
seed
1324367672 0 NaN
1 NaN
1324367673 2 NaN
3 NaN
1324367674 4 NaN
5 NaN
Name: stepsPerTrip, dtype: float64
提前谢谢您。
最佳答案
使用DataFrame.pivot
,将列减去 Series.sub
对于密度
列添加带有seed
的系列,而不用DataFrame.drop_duplicates
重复:
df = dfIn.pivot('seed','lanePolicy','stepsPerTrip').add_prefix('steps')
df['stepsDiff'] = df['stepsTrue'].sub(df['stepsFalse'])
df['density'] = dfIn.drop_duplicates('seed').set_index('seed')['density']
df = df.reset_index().rename_axis(None, axis=1)
print (df)
seed stepsFalse stepsTrue stepsDiff density
0 1324367672 37 40 3 51
1 1324367673 72 93 21 208
2 1324367674 70 23 -47 149
另一个解决方案是 DataFrame.pivot_table
如果列 seed
、'密度' 和 lanePolicy
中重复,则默认聚合函数 mean
:
df = (dfIn.pivot_table(index=['seed','density'], columns='lanePolicy',values='stepsPerTrip')
.add_prefix('steps'))
df['stepsDiff'] = df['stepsTrue'].sub(df['stepsFalse'])
df = df.reset_index().rename_axis(None, axis=1)
print (df)
seed density stepsFalse stepsTrue stepsDiff
0 1324367672 51 37 40 3
1 1324367673 208 72 93 21
2 1324367674 149 70 23 -47
关于python - 通过匹配 Pandas DataFrame 中另一列中的值来获得行值的差异,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59601105/