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:
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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。