我正在用python熊猫与groupby挣扎。我应该如何完成以下任务？对于每一个水果，我想找出与那个水果的“第0步”值不同的地方。Python熊猫groupby与其他行的差别按列过滤
df = pd.DataFrame({'Fruit' : ['Apple', 'Apple', 'Apple', 'Banana', 'Banana', 'Banana'], 'Step' : [0, 1, 2, 0, 1, 2], 'Value' : [100, 102, 105, 200, 210, 195] })
Fruit Step Value to-be
0 Apple 0 100 --> 0
1 Apple 1 102 --> 2
2 Apple 2 105 --> 5
3 Banana 0 200 --> 0
4 Banana 1 210 --> 10
5 Banana 2 195 --> -5
谢谢！
这应做到：
df.groupby('Fruit').apply(lambda g: g.Value - g[g.Step == 0].Value.values[0])
首先，我们被你关心（水果）列分组。然后，我们对每个组应用一个函数（使用lambda，它可以让我们指定一个函数内联）。对于每个组，我们找到其中的行（g.Step == 0），然后从该行获取Value条目，并使用values[0]获取第一个值（如果存在多个地方，则为g.Step == 0）。然后我们从组中的所有行中减去一个值，然后返回它。
如果你想将其添加为数据帧一列，你可以删除索引：
res = df.groupby('Fruit').apply(lambda g: g.Value - g[g.Step == 0].Value.values[0])
df['Result'] = res.reset_index(drop=True)
觉得这样做的伎俩。它只是遍历行并在每次步数等于0时应用新的“第一个”值。然后计算与第一个值的差值。
rows = range(df.shape[0])
df['count'] = 0
for r in rows:
step = df.iloc[r,1]
value = df.iloc[r,2]
if step == 0:
first = value
df.iloc[r,3] = value - first
我是熊猫的新手，但至少下面的代码工作。结果的末尾，
Fruit Step Value to-be
0 Apple 0 100 0
1 Apple 1 102 2
2 Apple 2 105 5
3 Banana 0 200 0
4 Banana 1 210 10
5 Banana 2 195 -5
[6 rows x 4 columns]
源代码如下。
import pandas as pd
df = pd.DataFrame({'Fruit' : ['Apple', 'Apple', 'Apple', 'Banana', 'Banana', 'Banana'],
'Step' : [0, 1, 2, 0, 1, 2],
'Value' : [100, 102, 105, 200, 210, 195] })
list_groups = list()
# loop over dataframe groupby `Fruit`
for name, group in df.groupby('Fruit'):
group.sort('Step', ascending=True) # sorted by `Step`
row_iterator = group.iterrows()
# get the base value
idx, first_row = row_iterator.next()
base_value = first_row['Value']
to_be = [0] # store the values of the column `to-be`
for idx, row in row_iterator:
to_be.append(row['Value'] - base_value)
# add a column to group
group['to-be'] = pd.Series(to_be, index=group.index)
list_groups.append(group)
# Concatenate dataframes
result = pd.concat(list_groups)
print(result)
@ASGM，我跑你的代码，
res = df.groupby('Fruit').apply(lambda g: g.Value - g[g.Step == 0].Value.values[0])
df['Result'] = res.reset_index(drop=True)
，但遇到问题，
Traceback (most recent call last):
File "***.py", line 9, in <module>
df['Result'] = res.reset_index(drop=True)
File "/usr/lib/python2.7/dist-packages/pandas/core/frame.py", line 1887, in __setitem__
self._set_item(key, value)
File "/usr/lib/python2.7/dist-packages/pandas/core/frame.py", line 1968, in _set_item
NDFrame._set_item(self, key, value)
File "/usr/lib/python2.7/dist-packages/pandas/core/generic.py", line 1068, in _set_item
self._data.set(key, value)
File "/usr/lib/python2.7/dist-packages/pandas/core/internals.py", line 3024, in set
self.insert(len(self.items), item, value)
File "/usr/lib/python2.7/dist-packages/pandas/core/internals.py", line 3039, in insert
self._add_new_block(item, value, loc=loc)
File "/usr/lib/python2.7/dist-packages/pandas/core/internals.py", line 3162, in _add_new_block
self.items, fastpath=True)
File "/usr/lib/python2.7/dist-packages/pandas/core/internals.py", line 1993, in make_block
placement=placement)
File "/usr/lib/python2.7/dist-packages/pandas/core/internals.py", line 64, in __init__
'%d' % (len(items), len(values)))
ValueError: Wrong number of items passed 1, indices imply 3
[Finished in 0.4s with exit code 1]
此行'DF [ '结果'] = res.reset_index（ drop = True）'对我来说''ValueError：传递的项目数量错误1，索引暗示3''对我来说不适用' – SparkAndShine
@sparkandshine这很奇怪。你使用的是什么版本的Python？这对我2.7.3运行良好。 – ASGM
我的Python版本是'2.7.6'。 – SparkAndShine