Pandas python根据预先存在的值和条件更新表中的值答案

【问题标题】：Pandas python updating values in a table based on preexisting values and conditionsPandas python根据预先存在的值和条件更新表中的值
【发布时间】：2016-10-16 04:59:51
【问题描述】：

我有一个数据框：

import pandas as pd

df=pd.DataFrame({
'Player': ['John','John','John','Steve','Steve','Ted', 'James','Smitty','SmittyJr','DJ'],
'Name': ['A','B', 'A','B','B','C', 'A','D','D','D'],
'Group':['2A','1B','2A','2A','1B','1C','2A','1C','1C','2A'],
'Medal':['G', '?', '?', 'S', 'B','?','?','?','G','?']
})

df =  df[['Player','Group', 'Name', 'Medal']]
print(df)

我想更新所有的 '?'在 Medal 列中，其中任何行的值与已填充的 Name 和 Group 列匹配。

例如，因为第一个 row 0 是 Name:A, Group:2A, Medal:G，那么 '?'在row 6 和2 上将是“G”

结果应如下所示：

res=pd.DataFrame({
'Player': ['John','John','John','Steve','Steve','Ted', 'James','Smitty','SmittyJr','DJ'],
'Name': ['A','B', 'A','B','B','C', 'A','D','D','D'],
'Group':['2A','1B','2A','2A','1B','1C','2A','1C','1C','2A'],
'Medal':['G', 'B', 'G', 'S', 'B','?','G','G','G','?']
})

res =  res[['Player','Group', 'Name', 'Medal']]
print(res)

最有效的方法是什么？

【问题讨论】：

标签： python pandas dataframe iteration conditional-statements

【解决方案1】：

试试：

import pandas as pd
import numpy as np

myfill = lambda df: df.ffill().bfill()
df.replace('?', np.nan).groupby(['Name', 'Group']).apply(myfill).fillna('?')

     Player Group Name Medal
0      John    2A    A     G
1      John    1B    B     B
2      John    2A    A     G
3     Steve    2A    B     S
4     Steve    1B    B     B
5       Ted    1C    C     ?
6     James    2A    A     G
7    Smitty    1C    D     G
8  SmittyJr    1C    D     G
9        DJ    2A    D     ?

【讨论】：

【解决方案2】：

另一种解决方案，每个组中的 replace ? 按最后一个值（iloc）排序 Medal（sort_values）：

df['Medal'] = df.groupby(['Group','Name'])['Medal']
                .apply(lambda x: x.replace('?', x.sort_values().iloc[-1]))

print(df)
     Player Group Name Medal
0      John    2A    A     G
1      John    1B    B     B
2      John    2A    A     G
3     Steve    2A    B     S
4     Steve    1B    B     B
5       Ted    1C    C     ?
6     James    2A    A     G
7    Smitty    1C    D     G
8  SmittyJr    1C    D     G
9        DJ    2A    D     ?

时间安排：

In [81]: %timeit (df.groupby(['Group','Name'])['Medal'].apply(lambda x: x.replace('?', x.sort_values().iloc[-1])))
100 loops, best of 3: 4.13 ms per loop

In [82]: %timeit (df.replace('?', np.nan).groupby(['Name', 'Group']).apply(lambda df: df.ffill().bfill()).fillna('?'))
100 loops, best of 3: 11.3 ms per loop

【讨论】：