时间戳

首页 > 解决方案 > Python：在数据框中查找特定列值总和为 0 的所有行

python - Python：在数据框中查找特定列值总和为 0 的所有行

问题描述

我想提取数据框中的所有行，其中这些分组行的特定列的总和为 0。

例如：如果我有以下行：

Row 1 1000
Row 2 -1000
Row 3 6000
Row 4 8000

我会将第 1 行和第 2 行分组，因为该列的总和为 0(+1000-1000=0) 如何在 python 中执行此操作？我怎样才能使用 numpy 来实现这一点？

标签： pythonnumpy

解决方案

为了获得更有启发性的结果，我将您的示例 DataFrame 扩展为：

   Id  Amount
0   1    1000
1   2   -1000
2   3   -5000
3   4    6000
4   5    8000
5   6   -2000
6   7   -4000
7   8   -2000
8   9    1500
9  10     500

您可以通过以下方式生成“边框行索引对”：

result = []
# Starting from each row, except the last
for i in range(df.index.size - 1):
    # Compute expanding sum
    s = df.iloc[i:].expanding().Amount.sum()
    # Find indices of zeroes
    ind = s[s == 0].index
    # Append "start == i, end == j" to the result
    result.extend([ [i, j] for j in ind ])

结果是：

[[0, 1], [1, 3], [1, 7], [4, 7], [7, 9]]

要检索、打印和检查显示的行“范围”，请运行：

for i, j in result:
    print(f'From {i} to {j}:')
    print(df.iloc[i:j+1])
    print(f'Sum: {df.iloc[i:j+1].Amount.sum()}\n')

结果是：

From 0 to 1:
   Id  Amount
0   1    1000
1   2   -1000
Sum: 0

From 1 to 3:
   Id  Amount
1   2   -1000
2   3   -5000
3   4    6000
Sum: 0

From 1 to 7:
   Id  Amount
1   2   -1000
2   3   -5000
3   4    6000
4   5    8000
5   6   -2000
6   7   -4000
7   8   -2000
Sum: 0

From 4 to 7:
   Id  Amount
4   5    8000
5   6   -2000
6   7   -4000
7   8   -2000
Sum: 0

From 7 to 9:
   Id  Amount
7   8   -2000
8   9    1500
9  10     500
Sum: 0

根据 12:52Z 的评论进行编辑

如果您只想要“叶级”范围（不包括在更广泛的范围内），那么在找到一些零索引（在滚动总和中）之后，您应该只报告第一个范围，因为其他范围只包括已经报告的范围。

所以代码应该改成：

result = []
# Starting from each row, except the last
for i in range(df.index.size - 1):
    # Compute expanding sum
    s = df.iloc[i:].expanding().Amount.sum()
    # Find indices of zeroes
    ind = s[s == 0].index   
    if ind.size > 0:        # Something found
        result.append([i, ind[0]])  # Append "from i to the first 'zero row'"

注意：

  • 如果没有找到“零和”，我添加了if以避免“索引超出范围”异常，
  • 将extend更改为append，因为：
    • 在以前的版本中，我希望“分解”对列表，并将每对单独添加到结果中，
    • 现在我只添加了一对，不应该“分解”。

这次的结果是：

[[0, 1], [1, 3], [4, 7], [7, 9]]

并注意没有添加范围[1, 7]（存在于第一个解决方案中）。

所以现在你只有不包括其他范围的范围。

推荐阅读