时间戳

首页 > 解决方案 > Pandas：将所有<= 0的值按组设置为列中的最大值，但仅在该组中的最后一个正值之后

python - Pandas：将所有<= 0的值按组设置为列中的最大值，但仅在该组中的最后一个正值之后

问题描述

我正在尝试按组将所有 <= 0 的值设置为该组中的最大值，但仅在最后一个正值之后。也就是说，必须忽略组中最后一个正值之前的所有值 <=0。例子：

data = {'group':['A', 'A', 'A', 'A', 'A', 'B', 'B', 
                'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C'], 
                 'value':[3, 0, 8, 7, 0, -1, 0, 9, -2, 0, 0, 2, 0, 5, 0, 1]} 
df = pd.DataFrame(data)
df

  group  value
0   A      3
1   A      0
2   A      8
3   A      7
4   A      0
5   B     -1
6   B      0
7   B      9
8   B     -2
9   B      0
10  B      0
11  C      2
12  C      0
13  C      5
14  C      0
15  C      1

结果必须是：

  group  value
0   A      3
1   A      0
2   A      8
3   A      7
4   A      8
5   B     -1
6   B      0
7   B      9
8   B      9
9   B      9
10  B      9
11  C      2
12  C      0
13  C      5
14  C      0
15  C      1

谢谢指教

标签： pythonpandas

解决方案

首先添加一列来标识具有负值的行（更准确地说 <= 0）：

df['neg'] = (df['value'] <= 0)

然后，对于每个组，找到'neg'设置为 True 且连续的最后几个条目的序列。为此，请颠倒 DataFrame 的顺序（带.iloc[::-1]），然后.cumprod()在'neg'列上使用。cumprod()会将 True 视为 1，将 False 视为 0，因此只要您看到所有 True，累积乘积将为 1，并且一旦您看到第一个 False，累积乘积就会变为并保持为 0。由于我们颠倒了顺序，所以我们从末尾倒退，所以我们在末尾找到 True 的序列。

df['upd'] = df.iloc[::-1].groupby('group')['neg'].cumprod().astype(bool)

现在我们知道要更新哪些条目，我们只需要知道将它们更新到什么，这是组的最大值。我们可以transform('max')在 groupby 上使用来获取该值，然后剩下的就是对设置的'value'位置进行实际更新'upd'：

df.loc[df['upd'], 'value'] = df.groupby('group')['value'].transform('max')

我们可以通过删除我们在该过程中使用的两个辅助列来完成：

df = df.drop(['neg', 'upd'], axis=1)

我得到的结果与您的预期结果相符。

更新：或者在单个（长！）行中执行整个操作，而不向原始 DataFrame 添加任何辅助列：

df.loc[
    df.assign(
        neg=(df['value'] <= 0)
    ).iloc[::-1].groupby(
        'group'
    )['neg'].cumprod().astype(bool),
    'value'
] = df.groupby(
    'group'
)['value'].transform('max')

推荐阅读