V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
yaleyu
V2EX  ›  Python

又来求教 pandas 大拿了

  •  
  •   yaleyu · 2021-03-11 10:11:14 +08:00 · 1890 次点击
    这是一个创建于 443 天前的主题,其中的信息可能已经有所发展或是发生改变。

    如下一个表,想每当 C 列为 False 时候,D 列为 0,为 True 时候,D 列为 B 列的上一次 C 列为 False 到当前列的加总

    df = pd.DataFrame([['S1', 1, False], ['S1', 1, True],
        ['S2', 2, False], ['S2', 2, True], ['S2', 22, False], ['S2', 22, True],
        ['S3', 222, False], ['S3', 222, True]],
        columns=list('ABC'))
    print(df)
        A    B      C
    0  S1    1  False
    1  S1    1   True
    2  S2    2  False
    3  S2    2   True
    4  S2   22  False
    5  S2   22   True
    6  S3  222  False
    7  S3  222   True
    

    用 for 循环切片每次的 False 到 True 再处理可以得到想要的结果,但是总觉得效率不高。

    用了下面的方法,得出来的结果不对,5 行 D 列应该是 44(22+22)而不是 48(2+2+22+22)

    df['D'] = np.where(df.C, df.groupby('A')['B'].cumsum(), 0)
    print(df)
        A    B      C    D
    0  S1    1  False    0
    1  S1    1   True    2
    2  S2    2  False    0
    3  S2    2   True    4
    4  S2   22  False    0
    5  S2   22   True   48
    6  S3  222  False    0
    7  S3  222   True  444
    
    12 条回复    2021-03-11 18:50:06 +08:00
    apake
        1
    apake  
       2021-03-11 11:33:22 +08:00
    为什么要 groubby('A'), 问题中没提到与 A 列有关
    shyrock
        2
    shyrock  
       2021-03-11 11:36:33 +08:00   ❤️ 1
    df['D'] = np.where(df.C, df.groupby('B')['B'].cumsum(), 0)
    print(df)
    cassidyhere
        3
    cassidyhere  
       2021-03-11 12:33:55 +08:00
    如果 A/B 没规律的话,可以用自定义 window rolling
    from pandas.api.indexers import BaseIndexer
    window_size = df.C.groupby((df.C != df.C.shift(1)).cumsum()).agg('sum').max() # 最大连续次数
    class CustomIndexer(BaseIndexer):
    def get_window_bounds(self, num_values, min_periods, center, closed):
    start = np.empty(num_values, dtype=np.int64)
    end = np.empty(num_values, dtype=np.int64)
    for i in range(num_values):
    end[i] = i + 1
    j = i
    while j > 0 and self.use_expanding[j]:
    j -= 1
    start[i] = j
    return start, end
    indexer = CustomIndexer(window_size=window_size, use_expanding=df.C)
    res = df.B.rolling(indexer, min_periods=2).sum().fillna(0)
    yaleyu
        4
    yaleyu  
    OP
       2021-03-11 16:15:19 +08:00 via Android
    @apake 问题没描述得太清楚,应该是对每个 A 列的数据,当 C 列从 false 变化为 true 时候,加总 false 到 true 对应的行的 B 列
    yaleyu
        5
    yaleyu  
    OP
       2021-03-11 16:18:33 +08:00 via Android
    @shyrock 这个不行,B 列的值是不一样的,不能 groupby('B'),这里为了简化写成了 1, 1, 2, 2, 22, 22 等
    necomancer
        6
    necomancer  
       2021-03-11 16:58:23 +08:00
    df.D = df.groupby(df.C.eq(False).cumsum()).cumsum().D
    df.D[df.D <0]=0
    necomancer
        7
    necomancer  
       2021-03-11 17:03:40 +08:00
    df = pd.DataFrame([['S1', 1, False], ['S1', 1, True],
    ['S2', 2, False], ['S2', 2, True], ['S2', 22, False], ['S2', 22, True],
    ['S3', 222, False], ['S3', 222, True]],
    columns=list('ABC'))

    df['D'] = np.diff(np.where(df.C, df.groupby('A')['B'].cumsum(), 0), axis=0, prepend=0)

    df.D = df.groupby(df.C.eq(False).cumsum()).cumsum().D
    df.D[df.D <0]=0
    df
    A B C D
    0 S1 1 False 0
    1 S1 1 True 2
    2 S2 2 False 0
    3 S2 2 True 2
    4 S2 22 False 0
    5 S2 22 True 44
    6 S3 222 False 0
    7 S3 222 True 396
    necomancer
        8
    necomancer  
       2021-03-11 17:09:53 +08:00
    ……我是智障

    df['D'] = np.where(df.C, df.groupby(df.C.eq(False).cumsum()).B.cumsum(), 0)


    df


    A B C D
    0 S1 1 False 0
    1 S1 1 True 2
    2 S2 2 False 0
    3 S2 2 True 4
    4 S2 22 False 0
    5 S2 22 True 44
    6 S3 222 False 0
    7 S3 222 True 444
    milkpuff
        9
    milkpuff  
       2021-03-11 17:44:08 +08:00
    我选择 for 循环。。
    而且不要频繁对 pandas 切片和赋值,转成 numpy 操作速度提升一个数量级,最后结果再转到 pandas
    yaleyu
        10
    yaleyu  
    OP
       2021-03-11 18:05:09 +08:00
    @necomancer 这个牛逼,完全实现了需求,谢谢谢谢。
    yaleyu
        11
    yaleyu  
    OP
       2021-03-11 18:06:03 +08:00
    @cassidyhere 这个好深奥,不过完全实现了需求,万分感谢。
    yaleyu
        12
    yaleyu  
    OP
       2021-03-11 18:50:06 +08:00
    @necomancer @cassidyhere 哦,不对,把原始数据改一下更接近真实数据,好像就有点问题了,原贴编辑不了了,回复排版会乱,再开一贴求教大家吧
    https://www.v2ex.com/t/760789
    关于   ·   帮助文档   ·   API   ·   FAQ   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   2695 人在线   最高记录 5497   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 13:48 · PVG 21:48 · LAX 06:48 · JFK 09:48
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.