Python pandas groupby：如何使用不同列中的变量来创建一个新列

Question

考虑以下DataFrame：

df = pd.DataFrame({'c0':['1980']*3+['1990']*2+['2000']*3,
                   'c1':['x','y','z']+['x','y']+['x','y','z'],
                   'c2':range(8)  })

     c0 c1  c2
0  1980  x   0
1  1980  y   1
2  1980  z   2
3  1990  x   3
4  1990  y   4
5  2000  x   5
6  2000  y   6
7  2000  z   7

我想使用 pandas 的 groupby 而不是 c0 来执行以下操作：

1. 根据c0（注明年份）对行进行分组。
2. 在每组中，从c2的值中减去y（在c1中）的c2的值。
3. 添加一个新列c3 收集这些值。

   最后的结果是

        c0 c1  c2  c3
   0  1980  x   0  -1
   1  1980  y   1   0
   2  1980  z   2   1
   3  1990  x   3  -1
   4  1990  y   4   0
   5  2000  x   5  -1
   6  2000  y   6   0
   7  2000  z   7   1
   

   我能够在没有 groupby 的情况下得到结果，如下所示：

   dic = {}
   
   for yr in df['c0'].unique():
       
       cond1 = ( df['c0']==yr )
       tmp = df.loc[cond1,:].copy()
       
       cond2 = ( tmp['c1']=='y' )
       val = tmp.loc[cond2,'c2'].to_numpy()
       
       tmp['c3'] = tmp['c2'] - val
       
       dic[yr] = tmp
   
   
   pd.concat([dic['1980'],dic['1990'],dic['2000']])
   

   它有效但看起来不太好。我试过transform和apply为groupby，但无法弄清楚。任何帮助，将不胜感激。

Answer 1

在使用 where 隐藏组的所有非 y 行后，您可以使用 transform 广播 y 值：

df['c3' ] = df['c2'] - df.where(df['c1'] == 'y').groupby(df['c0'])['c2'].transform('max')
print(df)

# Output
     c0 c1  c2   c3
0  1980  x   0 -1.0
1  1980  y   1  0.0
2  1980  z   2  1.0
3  1990  x   3 -1.0
4  1990  y   4  0.0
5  2000  x   5 -1.0
6  2000  y   6  0.0
7  2000  z   7  1.0