python - Pandas - 在多列中查找和迭代具有匹配值的行并在另一列中相乘

Question

这个问题比我之前的问题更进一步：

我编辑了表格，这样会减少混乱

首先假设我们在下面有一个数据框：

data = pd.DataFrame({'id':['1','2','3','4','5','6','7','8','9','10'], 
                 'A':['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo','foo','bar'],  
                 'C':['10','10','10','50','50','50','50','8','10','20'], 
                 'D':['10','9','8','7','6','5','4','3','2','1']})

如下：

      A  C   D  id
0   foo 10  10  1
1   bar 10  9   2
2   foo 10  8   3
3   bar 50  7   4
4   foo 50  6   5
5   bar 50  5   6
6   foo 50  4   7
7   foo 8   3   8
8   foo 10  2   9
9   bar 20  1   10

我想做的是找到匹配行，然后进行一些计算。

for any two ids(idx, idy) in data.iterrows():
       if idx.A == idy.A and idx.C = idy.C:
       result = idx.D * idy.D

然后生成一个包含三列 和 的新['id']数据['A']框['result']。

@Jon Clements♦ 用下面非常简洁的代码回答了我之前的问题：

   df.merge(
        df.groupby(['A', 'C']).D.agg(['prod', 'count'])
        [lambda r: r['count'] > 1],
        left_on=['A', 'C'],
        right_index=True
    )

---

新目标：

现在我想知道是否有一种方法可以在 row_a 与 row_b 匹配后不再迭代它。换句话说，我将这两个匹配的行视为一对。一旦 row_a 和 row_b 成为一对，进一步的循环将忽略 row_a （直到 row_b 与另一行匹配时才忽略 row_b）。

以groupby().agg('prod', 'count')函数为例，我希望'count'生成的所有结果都是 2（而不仅仅是带有 的过滤器['count'] == 2）。我认为这不会起作用groupby()所以我在想像 for-loop 这样的机制可以解决这个问题吗？还是有更好的方法？

所以现在的预期结果是（因为 id1 和 id3 已经成为一对，所以它不会聚合到 id9，并且对于其余的迭代，id3 不会与 id1 匹配。所以对于下表，第一行的结果是 80 但不是 160 ，并且第二行也不是）：

     id   A   result   
0    1   foo   80   
1    3   foo   16
2    4   bar   35
3    5   foo   24

我的英语不是那么好，所以我不确定我是否清楚地解释了我的问题。有什么不清楚的可以问我。

谢谢你的帮助。

标签： pythonpandas

Answer 1

有点冗长的解决方案，远没有 Jon Clements 为您的第一个问题提供的原始解决方案那么优雅。但是我想出了一个不需要for循环的解决方案。

# sort values by A,C,id
df = df.sort_values(['A','C','id'])
# find where A and C are equal when shifted down by 1
s=(df[['A','C']] == df[['A','C']].shift()).T.apply(lambda x: x.A and x.C)

# create a new series where we take the value of D of whe A and C are equal
# and multiply it with the next value - since it's sorted it should be next A,C match
new_d = (df.iloc[df[s].index].reset_index().D * df.iloc[df[s].index+1].reset_index().D)
new_d.index = df.iloc[df[s].index].index
new_d.name = 'results'

print(new_d)
Output >
0    80
3    35
4    24
2    16
Name: results, dtype: int64

采用上述方法，我们只需在其中创建一个新列df并将其分配给new_d：

# create a new column in df and assign it to new_d
df['results'] = new_d

df.dropna()[['id','A','results']].sort_values('id')

输出：

    id  A   results
0   1   foo 80.0
2   3   foo 16.0
3   4   bar 35.0
4   5   foo 24.0