为了账号安全,请及时绑定邮箱和手机立即绑定

如何在 pandas 中按多个列值进行分组并应用 ifelse 来插补/计算值

如何在 pandas 中按多个列值进行分组并应用 ifelse 来插补/计算值

UYOU 2023-10-18 16:33:07
我有一个如下所示的数据框 dfNode COMMODITY_CODE DAY Capacity_Case  Capacity_Delivery case_ratio deliveries_ratio  window_count7014.0      SCFZ    1   26610.0         12.0                0.357854    0.354839.            37014.0      SCFZ    2   25551.0         11.0                0.457945    0.423077             37014.0      SCFZ    3   30669.0         13.0                0.283379    0.258621             37030.0      SCDD    1   34244.0         16.0                0.316505    0.300000             47030.0      SCDD    2   25954.0         13.0                0.236513    0.232558             4我想按 Node、DAY、COMMODITY_CODE 进行分组,并应用 ifelse 函数来估算空记录的值。这里我的条件如下:对于组(节点、DAY、COMMODITY_CODE)如果 Delivery_ratio 为空,那么我想用组的mean(delivery_ratio) 替换并将其分配给delivery_ratio_filled如果 case_ratio 为空,那么我想用组的mean(case_ratio) 替换并将其分配给case_ratio_filled如果对于组(Node, DAY, COMMODITY_CODE),Delivery_ratio_filled 为 null,则为其分配 1/window_count 值case_ratio_filled 为 null,则为其分配 1/window_count我已经使用 dplyr 包在 R 中轻松完成了此任务,我基本上希望使用 pandas 在 Python 中实现相同的功能。df %>%group_by(Node, DAY_OF_WK, COMMODITY_CODE) %>%  mutate(delivery_ratio_filled = ifelse(!is.na(delivery_ratio),                               delivery_ratio,                                mean(delivery_ratio)),         case_ratio_filled = ifelse(!is.na(case_ratio),                               case_ratio,                                mean(case_ratio))) %>%  mutate(delivery_ratio_filled = ifelse(!is.na(delivery_ratio_filled),                               delivery_ratio_filled,                               1.0 / window_count),         case_ratio_filled = ifelse(!is.na(case_ratio_filled),                               case_ratio_filled,                               1.0 / window_count))
查看完整描述

2 回答

?
当年话下

TA贡献1890条经验 获得超9个赞

不幸的是,示例输入数据不包含na将被计算值替换的值(或大于一项的组)。因此,新列是原始列的简单副本。

第一个条件可以测试并np.where应用于每一行transform

df[['delivery_ratio_filled','case_ratio_filled']] = (

    df.groupby(['Node', 'DAY', 'COMMODITY_CODE'])[['deliveries_ratio','case_ratio']]

      .transform(

        lambda x: np.where(x.isna(), x.mean(), x)))

第二个条件不需要分组


df['delivery_ratio_filled'] = (

  np.where(df['delivery_ratio_filled'].isna(),

           1 / df['window_count'],

           df['delivery_ratio_filled']))

df['case_ratio_filled'] = (

  np.where(df['case_ratio_filled'].isna(),

           1 / df['window_count'],

           df['case_ratio_filled']))

df

出去:


     Node COMMODITY_CODE  ...  delivery_ratio_filled  case_ratio_filled

0  7014.0           SCFZ  ...               0.354839           0.357854

1  7014.0           SCFZ  ...               0.423077           0.457945

2  7014.0           SCFZ  ...               0.258621           0.283379

3  7030.0           SCDD  ...               0.300000           0.316505

4  7030.0           SCDD  ...               0.232558           0.236513


查看完整回答
反对 回复 2023-10-18
?
梦里花落0921

TA贡献1772条经验 获得超5个赞

也可以用dplyrpython的方式实现:


>>> from datar.all import f, tribble, group_by, mutate, if_else, is_na, mean

>>> 

>>> df = tribble(

...     f.Node, f.COMMODITY_CODE, f.DAY, f.Capacity_Case,  f.Capacity_Delivery, f.case_ratio, f.delivery_ratio,  f.window_count,

...     7014.0, "SCFZ",           1,     26610.0,          12.0,                0.357854,     0.354839,          3,

...     7014.0, "SCFZ",           2,     25551.0,          11.0,                0.457945,     0.423077,          3,

...     7014.0, "SCFZ",           3,     30669.0,          13.0,                0.283379,     0.258621,          3,

...     7030.0, "SCDD",           1,     34244.0,          16.0,                0.316505,     0.300000,          4,

...     7030.0, "SCDD",           2,     25954.0,          13.0,                0.236513,     0.232558,          4,

... )    

>>> 

>>> 

>>> df >> \

...     group_by(f.Node, f.DAY, f.COMMODITY_CODE) >> \

...     mutate(delivery_ratio_filled = if_else(~is_na(f.delivery_ratio),

...                                            f.delivery_ratio, 

...                                            mean(f.delivery_ratio)),

...            case_ratio_filled = if_else(~is_na(f.case_ratio),

...                                        f.case_ratio, 

...                                        mean(f.case_ratio))) >> \

...     mutate(delivery_ratio_filled = if_else(~is_na(f.delivery_ratio_filled),

...                                            f.delivery_ratio_filled,

...                                            1.0 / f.window_count),

...            case_ratio_filled = if_else(~is_na(f.case_ratio_filled),

...                                        f.case_ratio_filled,

...                                        1.0 / f.window_count))

       Node COMMODITY_CODE     DAY  Capacity_Case  Capacity_Delivery  case_ratio  delivery_ratio  window_count  delivery_ratio_filled  case_ratio_filled

  <float64>       <object> <int64>      <float64>          <float64>   <float64>       <float64>       <int64>              <float64>          <float64>

0    7014.0           SCFZ       1        26610.0               12.0    0.357854        0.354839             3               0.354839           0.357854

1    7014.0           SCFZ       2        25551.0               11.0    0.457945        0.423077             3               0.423077           0.457945

2    7014.0           SCFZ       3        30669.0               13.0    0.283379        0.258621             3               0.258621           0.283379

3    7030.0           SCDD       1        34244.0               16.0    0.316505        0.300000             4               0.300000           0.316505

4    7030.0           SCDD       2        25954.0               13.0    0.236513        0.232558             4               0.232558           0.236513


[Groups: Node, DAY, COMMODITY_CODE (n=5)]


查看完整回答
反对 回复 2023-10-18
  • 2 回答
  • 0 关注
  • 74 浏览
慕课专栏
更多

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信