我正在使用看起来像这样的数据框:
df = pd.DataFrame({'ID':['A','A','A','A','B','B','B','B'],'X':[1.2,2.1,3.8,4.5,5.8,6.2,7,8.2],'Y':[10,20,30,40,50,60,70,80],'IsTrue':[1,1,0,0,1,0,0,1],'IdxVar':[1,0,0,0,0,0,0,1]})
df["DistanceToIdx"] = np.sqrt((df.X - df.X[df.groupby('ID')['IdxVar'].transform('idxmax')].reset_index(drop=True))**2 \
+(df.Y - df.Y[df.groupby('ID')['IdxVar'].transform('idxmax')].reset_index(drop=True))**2)
我正在尝试创建一个新的 df,它基于 IdxVar
每个 ID 值只有一行。足够简单
newdf = df.loc[df.IdxVar==1,:]
我希望我的新列是一些 X0_1、X0_2、X1_1、X0_2
,其中 Xi_j
可以看作是 X
值for i = IsTrue
(0 或 1)并且 j
表示 DistanceToIdx
的排序索引(X0_1
表示具有 IsTrue = 0
和最低 DistanceToIdx
的给定 ID 中的 X
值。
我可以通过 groupby()
来做到这一点:
groupdf = df.groupby('ID')
for name,group in groupdf:
for i in range(2):
newdf.loc[newdf.ID==name, 'X0_{}'.format(i+1)] = \
group.sort_values(by=['IsTrue','DistanceToIdx'],ascending=True)['X'].values[i]
newdf.loc[newdf.ID==name, 'X1_{}'.format(i+1)] = \
group.sort_values(by=['IsTrue','DistanceToIdx'],ascending=True)['X'].values[i+2]
这提供了所需的输出,但如果我想将它应用到此处显示的更多变量,然后循环遍历 100,000 个组,我的循环就太长了。
我想知道是否有一种方法可以仅使用 groupby 函数来加快速度。我最初的想法只是找出数据透视表函数,但由于我想根据现有行对新列进行排序,因此根据文档,我不太相信它会起作用。
最佳答案
因为您已经创建了 newdf
。我想出了一个解决方案,使用 nsmallest
来获取每组的 2 个最小值,unstack
并展平多索引列。最后合并回newdf
df1 = (df.set_index('X').groupby(['ID', 'IsTrue']).DistanceToIdx.nsmallest(2).
reset_index(level=-1).drop('DistanceToIdx', 1))
s = df1.groupby(level=[0,1]).cumcount().add(1)
df2 = df1.set_index(s, append=True).unstack([1,2]).sort_index(level=2, axis=1)
df2.columns = df2.columns.map('{0[0]}{0[1]}_{0[2]}'.format)
df_final = newdf.merge(df2.reset_index(), on='ID')
Out[239]:
ID X Y IsTrue IdxVar DistanceToIdx X0_1 X1_1 X0_2 X1_2
0 A 1.2 10 1 1 0.0 3.8 1.2 4.5 2.1
1 B 8.2 80 1 1 0.0 7.0 8.2 6.2 5.8
关于python - 根据数据框中的排序值旋转多行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58945562/