python-3.x – 通过更改pandas中组内的列值来创建组

发布时间：2020-12-20 11:08:31 所属栏目：Python 来源：网络整理

导读：当Success或Failure列返回True值时,我想在每个Chat_id中创建组.如果成功或失败列的上一行中存在True值,则组的值会更改.我应该怎么做大熊猫呢.所以基本上,Group列是我想要创建的,但是chat_id,Success和Failure Column已经存在. +---------+-------+---------+

当Success或Failure列返回True值时,我想在每个Chat_id中创建组.如果成功或失败列的上一行中存在True值,则组的值会更改.我应该怎么做大熊猫呢.所以基本上,Group列是我想要创建的,但是chat_id,Success和Failure Column已经存在.

+---------+-------+---------+---------+
| Chat_id | Group | Success | Failure |
+---------+-------+---------+---------+
| A       |     0 | FALSE   | FALSE   |
| A       |     0 | FALSE   | FALSE   |
| A       |     0 | TRUE    | FALSE   |
| A       |     1 | FALSE   | FALSE   |
| A       |     1 | FALSE   | TRUE    |
| A       |     2 | FALSE   | FALSE   |
| A       |     2 | FALSE   | FALSE   |
| B       |     0 | FALSE   | FALSE   |
| B       |     0 | FALSE   | FALSE   |
| B       |     0 | FALSE   | TRUE    |
| B       |     1 | FALSE   | FALSE   |
| B       |     1 | FALSE   | FALSE   |
| B       |     1 | FALSE   | FALSE   |
| C       |     0 | FALSE   | FALSE   |
| C       |     0 | TRUE    | FALSE   |
| C       |     1 | FALSE   | FALSE   |
| C       |     1 | TRUE    | FALSE   |
+---------+-------+---------+---------+

尝试了以下,但似乎没有工作.

def groupping(dfg):
    ind=0:
    for row in dfg:
        if row.Success==True or row.Failure==True:
            ind+=1
            return ind
df.groupby(chat_id).apply(lambda x: grouping(x))

解决方法

它更像是

df[['Success','Failure']].sum(1).gt(0).groupby(df.Chat_id).cumsum()
Out[273]: 
0     0.0
1     0.0
2     1.0
3     1.0
4     2.0
5     2.0
6     2.0
7     0.0
8     0.0
9     1.0
10    1.0
11    1.0
12    1.0
13    0.0
14    1.0
15    1.0
16    2.0
dtype: float64

修复你的代码

def grouping(dfg):
    ind=0
    l=[]
    for _,row in dfg.iterrows():
        if row.Success==True or row.Failure==True:
            ind+=1
            l.append(ind)
        else :
            l.append(ind)
    return pd.Series(l)
df.groupby('Chat_id').apply(grouping)
Out[292]: 
Chat_id   
A        0    0
         1    0
         2    1
         3    1
         4    2
         5    2
         6    2
B        0    0
         1    0
         2    1
         3    1
         4    1
         5    1
C        0    0
         1    1
         2    1
         3    2
dtype: int64

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!