我有一个项目数据框，例如:
item_df = pd.DataFrame({'BarCode': ['12345678AAAA', '12345678BBBB', '12345678CCCC',
'12345678ABCD', '12345678EFGH', '12345678IJKL',
'67890123XXXX', '67890123YYYY', '67890123ZZZZ',
'67890123ABCD', '67890123EFGH', '67890123IJKL'],
'Extracted_Code': ['12345678','12345678', '12345678','12345678','12345678','12345678',
'67890123','67890123', '67890123','67890123', '67890123','67890123'],
'Description': ['Fruits', 'Fruits', 'Fruits', 'Apples', 'Oranges', 'Mangoes',
'Snacks', 'Snacks', 'Snacks', 'Yoghurt', 'Cookies', 'Oats'],
'Category': ['H', 'H', 'H', 'M', 'T', 'S', 'H', 'H', 'H', 'M', 'M', 'F'],
'Code': ['0', '2', '3', '1', '2', '4', '0', '2', '3', '3', '4', '2'],
'Quantity': [99, 77, 10, 52, 11, 90, 99, 77, 10, 52, 11, 90],
'Price': [12.0, 10.5, 11.0, 15.6, 12.9, 67.0, 12.0, 10.5, 11.0, 15.6, 12.9, 67.0]})
item_df = item_df.sort_values(by=['Extracted_Code', 'Category', 'Code'])
item_df['Combined'] = np.NaN
我想要实现的目标有点棘手。我必须对 ['Extracted_Code'] 执行 groupby，并为每个组创建一个新列 Combined。 Combined 列的值基于:
- 对于 Category='H' 的行，Combined 将具有 NaN 值。
- 对于类别不是“H”的行，假设如果我们采用类别=“M”的行，那么该特定行的组合列将具有相同类别中类别=“H”的行 json 列表组，并且其代码小于或等于该特定行的代码。
我想要的结果是:
BarCode Extracted_Code Description Category Code Quantity Price Combined
0 12345678AAAA 12345678 Fruits H 0 99 12.0 NaN
1 12345678BBBB 12345678 Fruits H 2 77 10.5 NaN
2 12345678CCCC 12345678 Fruits H 3 10 11.0 NaN
3 12345678ABCD 12345678 Apples M 1 52 15.6 [{'BarCode': '12345678AAAA', 'Description': 'Fruits', 'Category': 'H', 'Code': '0', 'Quantity': 99, 'Price': 12.0}]
4 12345678IJKL 12345678 Mangoes S 4 90 67.0 [{'BarCode': '12345678AAAA', 'Description': 'Fruits', 'Category': 'H', 'Code': '0', 'Quantity': 99, 'Price': 12.0},
{'BarCode': '12345678BBBB', 'Description': 'Fruits', 'Category': 'H', 'Code': '2', 'Quantity': 77, 'Price': 10.5},
{'BarCode': '12345678CCCC', 'Description': 'Fruits', 'Category': 'H', 'Code': '3', 'Quantity': 10, 'Price': 11.0}]
5 12345678EFGH 12345678 Oranges T 2 11 12.9 [{'BarCode': '12345678AAAA', 'Description': 'Fruits', 'Category': 'H', 'Code': '0', 'Quantity': 99, 'Price': 12.0},
{'BarCode': '12345678BBBB', 'Description': 'Fruits', 'Category': 'H', 'Code': '2', 'Quantity': 77, 'Price': 10.5}]
6 67890123IJKL 67890123 Oats F 2 90 67.0 [{'BarCode': '67890123XXXX', 'Description': 'Snacks', 'Category': 'H', 'Code': '0', 'Quantity': 99, 'Price': 12.0},
{'BarCode': '67890123YYYY', 'Description': 'Snacks', 'Category': 'H', 'Code': '2', 'Quantity': 77, 'Price': 10.5}]
7 67890123XXXX 67890123 Snacks H 0 99 12.0 NaN
8 67890123YYYY 67890123 Snacks H 2 77 10.5 NaN
9 67890123ZZZZ 67890123 Snacks H 3 10 11.0 NaN
10 67890123ABCD 67890123 Yoghurt M 3 52 15.6 [{'BarCode': '67890123XXXX', 'Description': 'Snacks', 'Category': 'H', 'Code': '0', 'Quantity': 99, 'Price': 12.0},
{'BarCode': '67890123YYYY', 'Description': 'Snacks', 'Category': 'H', 'Code': '2', 'Quantity': 77, 'Price': 10.5},
{'BarCode': '67890123ZZZZ', 'Description': 'Snacks', 'Category': 'H', 'Code': '3', 'Quantity': 10, 'Price': 11.0}]
11 67890123EFGH 67890123 Cookies M 4 11 12.9 [{'BarCode': '67890123XXXX', 'Description': 'Snacks', 'Category': 'H', 'Code': '0', 'Quantity': 99, 'Price': 12.0},
{'BarCode': '67890123YYYY', 'Description': 'Snacks', 'Category': 'H', 'Code': '2', 'Quantity': 77, 'Price': 10.5},
{'BarCode': '67890123ZZZZ', 'Description': 'Snacks', 'Category': 'H', 'Code': '3', 'Quantity': 10, 'Price': 11.0}]
这就是我为获取行 json 列表所做的操作:
item_df.groupby(['Extracted_Code', 'Category', 'Code']).apply(lambda x: x.to_dict('records')).reset_index(name='Combined')
但我对如何将条件应用于每个组而不丢失最终结果中的任何列感到困惑。
最佳答案
您可以执行自合并，并过滤掉符合您条件的行:
m = df.reset_index().merge(df, on="Extracted_Code", suffixes=("_x", ""))
m = m[ (m["Category"] == "H") & (m["Code"] <= m["Code_x"]) & (m["Category_x"] != "H") ]
index BarCode_x Extracted_Code Description_x Category_x Code_x Quantity_x Price_x BarCode Description Category Code Quantity Price
18 3 12345678ABCD 12345678 Apples M 1 52 15.6 12345678AAAA Fruits H 0 99 12.0
24 5 12345678IJKL 12345678 Mangoes S 4 90 67.0 12345678AAAA Fruits H 0 99 12.0
25 5 12345678IJKL 12345678 Mangoes S 4 90 67.0 12345678BBBB Fruits H 2 77 10.5
26 5 12345678IJKL 12345678 Mangoes S 4 90 67.0 12345678CCCC Fruits H 3 10 11.0
30 4 12345678EFGH 12345678 Oranges T 2 11 12.9 12345678AAAA Fruits H 0 99 12.0
31 4 12345678EFGH 12345678 Oranges T 2 11 12.9 12345678BBBB Fruits H 2 77 10.5
37 11 67890123IJKL 67890123 Oats F 2 90 67.0 67890123XXXX Snacks H 0 99 12.0
38 11 67890123IJKL 67890123 Oats F 2 90 67.0 67890123YYYY Snacks H 2 77 10.5
61 9 67890123ABCD 67890123 Yoghurt M 3 52 15.6 67890123XXXX Snacks H 0 99 12.0
62 9 67890123ABCD 67890123 Yoghurt M 3 52 15.6 67890123YYYY Snacks H 2 77 10.5
63 9 67890123ABCD 67890123 Yoghurt M 3 52 15.6 67890123ZZZZ Snacks H 3 10 11.0
67 10 67890123EFGH 67890123 Cookies M 4 11 12.9 67890123XXXX Snacks H 0 99 12.0
68 10 67890123EFGH 67890123 Cookies M 4 11 12.9 67890123YYYY Snacks H 2 77 10.5
69 10 67890123EFGH 67890123 Cookies M 4 11 12.9 67890123ZZZZ Snacks H 3 10 11.0
.reset_index() 允许您然后 .groupby("index") 然后您可以添加您的 .to_dict("records") 至:
combined = m.groupby("index").apply(lambda group:
group[["BarCode", "Description", "Category",
"Code", "Quantity", "Price"
]].to_dict("records")
).rename("Combined")
然后您可以.join:
>>> df.join(combined)
BarCode Extracted_Code Description Category Code Quantity Price Combined
0 12345678AAAA 12345678 Fruits H 0 99 12.0 NaN
1 12345678BBBB 12345678 Fruits H 2 77 10.5 NaN
2 12345678CCCC 12345678 Fruits H 3 10 11.0 NaN
3 12345678ABCD 12345678 Apples M 1 52 15.6 [{'BarCode': '12345678AAAA', 'Description': 'F...
5 12345678IJKL 12345678 Mangoes S 4 90 67.0 [{'BarCode': '12345678AAAA', 'Description': 'F...
4 12345678EFGH 12345678 Oranges T 2 11 12.9 [{'BarCode': '12345678AAAA', 'Description': 'F...
11 67890123IJKL 67890123 Oats F 2 90 67.0 [{'BarCode': '67890123XXXX', 'Description': 'S...
6 67890123XXXX 67890123 Snacks H 0 99 12.0 NaN
7 67890123YYYY 67890123 Snacks H 2 77 10.5 NaN
8 67890123ZZZZ 67890123 Snacks H 3 10 11.0 NaN
9 67890123ABCD 67890123 Yoghurt M 3 52 15.6 [{'BarCode': '67890123XXXX', 'Description': 'S...
10 67890123EFGH 67890123 Cookies M 4 11 12.9 [{'BarCode': '67890123XXXX', 'Description': 'S...
关于python - Pandas:将函数应用于每个组并将结果存储在新列中，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/76334272/