英文:
Pandas group by find the difference with respect to flag id's
问题
以下是翻译好的内容：
我有以下数据框：
id flag col_1 col_2 name
0 1 1 11 13 a
1 2 0 62 14 b
2 1 0 13 15 a
3 2 1 74 16 b
4 3 1 25 17 c
5 3 0 22 18 c
我需要以下输出：
id col_3 col_4 name
0 1 2 2 a
1 2 -12 -2 b
2 3 -3 1 c
我需要按id和name分组，然后获取具有相同id和name的col_1中的flag[0]减去flag[1]。
提前感谢。
英文:
I Have the following Data frame:
id flag col_1 col_2 name
0 1 1 11 13 a
1 2 0 62 14 b
2 1 0 13 15 a
3 2 1 74 16 b
4 3 1 25 17 c
5 3 0 22 18 c
I need this as the output -
id col_3 col_4 name
0 1 2 2 a
1 2 -12 -2 b
2 3 -3 1 c
I need to group by id, name and take flag[0] of col_1 - flag[1] of the col_1 which has id, name in common.
Thanks in advance.
答案1
得分: 3
# 使用简单的索引与临时索引（`set_index` 和 `reset_index`）
tmp = df.set_index(['flag', 'id', 'name'])
out = (tmp.loc[0] - tmp.loc[1]).reset_index()
输出:
id name col_1 col_2
0 1 a 2 2
1 2 b -12 -2
2 3 c -3 1
使用的输入:
df = pd.DataFrame({'id': [1, 2, 1, 2, 3, 3],
'flag': [1, 0, 0, 1, 1, 0],
'col_1': [11, 62, 13, 74, 25, 22],
'col_2': [13, 14, 15, 16, 17, 18],
'name': ['a', 'b', 'a', 'b', 'c', 'c']})
英文:
Using simple indexing with a temporary index (set_index and reset_index)
tmp = df.set_index(['flag', 'id', 'name'])
out = (tmp.loc[0] - tmp.loc[1]).reset_index()
Output:
id name col_1 col_2
0 1 a 2 2
1 2 b -12 -2
2 3 c -3 1
Used input:
df = pd.DataFrame({'id': [1, 2, 1, 2, 3, 3],
'flag': [1, 0, 0, 1, 1, 0],
'col_1': [11, 62, 13, 74, 25, 22],
'col_2': [13, 14, 15, 16, 17, 18],
'name': ['a', 'b', 'a', 'b', 'c', 'c']})
答案2
得分: 3
以下是翻译好的内容：
另一个可能的解决方案：
out = (
df.groupby(["id", "name"])
.apply(lambda g: -g.pop("flag").diff().max() * g.diff())
.dropna().droplevel(2).reset_index()
)
输出：
print(out)
id name col_1 col_2
0 1 a 2.00 2.00
1 2 b -12.00 -2.00
2 3 c -3.00 1.00
英文:
Another possible solution :
out = (
df.groupby(["id", "name"])
.apply(lambda g: -g.pop("flag").diff().max() * g.diff())
.dropna().droplevel(2).reset_index()
)
Output :
print(out)
id name col_1 col_2
0 1 a 2.00 2.00
1 2 b -12.00 -2.00
2 3 c -3.00 1.00
答案3
得分: 0
使用 DataFrame.pivot 进行重塑，可以通过 DataFrame.xs 选择 0/1 水平的 flag 列，并进行相减操作，然后通过 DataFrame.reset_index 将多重索引转换为列，最后通过 DataFrame.reindex 获取原始列的顺序（过滤掉 flag 列）：
df1 = df.pivot(index=['id','name'], columns='flag')
out = (df1.xs(0, axis=1, level=1).sub(df1.xs(1, axis=1, level=1))
.reset_index()
.reindex(df.columns.difference(['flag'], sort=False), axis=1))
print (out)
id col_1 col_2 name
0 1 2 2 a
1 2 -12 -2 b
2 3 -3 1 c
英文:
Use DataFrame.pivot for reshape, so possible select 0/1 levels by flag column by DataFrame.xs and subtract, last convert Mulitindex in index to columns by DataFrame.reset_index and get original order of columns by DataFrame.reindex (with filter out flag column):
df1 = df.pivot(index=['id','name'], columns='flag')
out = (df1.xs(0, axis=1, level=1).sub(df1.xs(1, axis=1, level=1))
.reset_index()
.reindex(df.columns.difference(['flag'], sort=False), axis=1))
print (out)
id col_1 col_2 name
0 1 2 2 a
1 2 -12 -2 b
2 3 -3 1 c
答案4
得分: 0
另一种可能的解决方案：
(df.groupby(['id', 'name'])[['flag', 'col_1', 'col_2']]
.apply(lambda x: x.sort_values('flag', ascending=False).diff())
.dropna().droplevel(2).drop('flag', axis=1).reset_index())
输出：
id name col_1 col_2
0 1 a 2.0 2.0
1 2 b -12.0 -2.0
2 3 c -3.0 1.0
英文:
Another possible solution:
(df.groupby(['id', 'name'])[['flag', 'col_1', 'col_2']]
.apply(lambda x: x.sort_values('flag', ascending=False).diff())
.dropna().droplevel(2).drop('flag', axis=1).reset_index())
Output:
id name col_1 col_2
0 1 a 2.0 2.0
1 2 b -12.0 -2.0
2 3 c -3.0 1.0
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论