如何使用python操作多列中的相关数据值

Question

我有大约 50 列，并且列的行以相似的值重复。例如：

Idx    Series    Col1   Col2  Col3  Col4  Col5 .....   Col50 
 0      A                 1                   
 1      A                 1
 2      A                 1
 3      A                 1
 4      B        3             2                          3
 5      B        3             2                          3
 6      B        3             2                          3
 7      B        3             2                          3
 8      C                4                1
 9      C                4                1
10      C                4                1
11      C                4                1

我想根据其位置从重复值中保留一个值，并将其他值更改为'0'

因此，如果值为“4”，则保留第 4 个位置的值，并将前三个更改为“0”。同样，如果值为 '1'，则保留第一个，其余更改为 '0'。

输出列将是：

Idx    Series    Col1   Col2  Col3  Col4  Col5 .....   Col50 
 0      A                 1                   
 1      A                 0
 2      A                 0
 3      A                 0
 4      B        0             0                          0
 5      B        0             2                          0
 6      B        3             0                          3
 7      B        0             0                          0
 8      C                0                1
 9      C                0                0
10      C                0                0
11      C                4                0

任何帮助将不胜感激。

谢谢你..

Answer 1

由于您的 DataFrame 不包含 NaN 值，我假设：

• 列 Col1 到 Col50 属于 object 类型，
• 它们包含 字符串 数据，可以是空字符串或字符串 包含一个数字字符。

要获得预期的结果，请定义以下 2 个函数：

1. 要应用于要转换的每一列的函数：

   def cnv(col):
       return col.groupby((col != col.shift()).cumsum()).apply(cnv2)
   

2. 要应用于当前列中每个组的函数：

   def cnv2(grp):
       if grp.str.isnumeric().all():
           ind = grp.index[0]
           val = int(grp.iloc[0])
           return grp.where(grp.index == val + ind - 1, '0')
       else:
           return grp
   

然后对要转换的列应用cnv函数，保存结果 返回相同的列：

df.loc[:, 'Col1':'Col50'] = df.loc[:, 'Col1':'Col50'].apply(cnv)

结果是：

    Idx Series Col1 Col2 Col3 Col5 Col50
0     0      A         1                
1     1      A         0                
2     2      A         0                
3     3      A         0                
4     4      B    0         0          0
5     5      B    0         2          0
6     6      B    3         0          3
7     7      B    0         0          0
8     8      C         0         1      
9     9      C         0         0      
10   10      C         0         0      
11   11      C         4         0      

Answer 2

让我们做

df2 = df.replace(r'^\s*$', np.nan, regex=True)
new_df = (df2.assign(**df2.filter(regex='Col')
                          .where(lambda x: x.eq(df.groupby('Series')
                                                .cumcount()
                                                .add(1), 
                                             axis=0) | x.isna() , 
                              0)
                  )
             .fillna('') # I recommend remove this line
         )
print(new_df)

输出

    Idx Series Col1 Col2 Col3
0     0      A         1     
1     1      A         0     
2     2      A         0     
3     3      A         0     
4     4      B    0         0
5     5      B    0         2
6     6      B    3         0
7     7      B    0         0
8     8      C         0     
9     9      C         0     
10   10      C         0     
11   11      C         4