在 Pandas DataFrame 的列内创建修改后的值

如何解决在 Pandas DataFrame 的列内创建修改后的值

我不确定这个问题有多严重。但我遇到了问题需要帮助：

我有一个 Pandas 数据框示例，如下（比如说）：

       df 

     C   A      V   D
     9  apar    1   0
     8  bpar    4   8
     7  cpar    7   7
     0  apar    8   6
     8  apar    9   4
     9  bpar    3   2

所以我需要做的是附加现有的数据框，至于每当我有 'A' col 有 'apar'，然后创建一个新值作为 'apar_t' 并更改 'V' 的值说( 0.5) 并更新数据框。所以在这个玩具示例中，我的数据框应该如下所示：

    df

       C    A       V     D
       9    apar    1.0   0
       8    bpar    4.0   8
       7    cpar    7.0   7
       0    apar    8.0   6
       8    apar    9.0   4
       9    bpar    3.0   2
       9    apar_t  0.5   0
       0    apar_t  7.5   6
       8    apar_t  8.5   4

我一直在做并且能够解决这个问题，但我认为它不是 pythonic 并且对于庞大的数据集效率不高。如果我能找到更好的方法来解决问题，我会请求;

我做了以下事情：

       sub_df = df[df['A']=='apar']
       colsOrder = df.columns
       sub_df = sub_df.rename(columns={'A': 'A1','V': 'V1'})

       sub_df['A'] ='apar_t'
       sub_df['V'] = sub_df['V1'] - 0.5

       sub_df.drop(columns=['A1','V1'])
       sub_df = sub_df[colsOrder]

       frames =[df,sub_df]
       DF = pd.concat(frames).reset_index(drop=True)
       DF

代码有效，我得到了我想要的。但我正在寻找一个更优雅的 Pythonic 和高效的解决方案。任何帮助将不胜感激。

解决方法

x = df.loc[df.A == "apar"].copy()
x.loc[:,"V"] = x.loc[:,"V"] - 0.5
x.loc[:,"A"] = x.loc[:,"A"] + "_t"
out = pd.concat([df,x])
print(out)

打印：

   C       A    V  D
0  9    apar  1.0  0
1  8    bpar  4.0  8
2  7    cpar  7.0  7
3  0    apar  8.0  6
4  8    apar  9.0  4
5  9    bpar  3.0  2
0  9  apar_t  0.5  0
3  0  apar_t  7.5  6
4  8  apar_t  8.5  4

,

在您仅从行值中添加或减去值的情况下，这是一种干净的方法：

pd.concat([df,df.loc[df.A == 'apar'].apply(
    lambda row: row.add([0,'_t',-0.5,0]),axis=1)])

数据框：

   C       A    V  D
0  9    apar  1.0  0
1  8    bpar  4.0  8
2  7    cpar  7.0  7
3  0    apar  8.0  6
4  8    apar  9.0  4
5  9    bpar  3.0  2
0  9  apar_t  0.5  0
3  0  apar_t  7.5  6
4  8  apar_t  8.5  4

否则，您可以为行转换定义一个函数：

def transform_row(row):
    row['A'] = row['A'] + '_t'
    row['V'] = row['V'] - 0.5
    return row

然后使用 apply

pd.concat([df,df.loc[df.A == 'apar'].apply(transform_row,axis=1)])

结果数据帧与上述相同。