如何将具有特定特征的行附加到组的末尾？答案

【问题标题】：How to append a row with specific characteristics to the end of a group?如何将具有特定特征的行附加到组的末尾？
【发布时间】：2019-09-26 14:41:57
【问题描述】：

我想在可以按变量分组的数据框末尾附加一行。
我的数据框如下所示：

|ID | Name1 | Name2 | PointA | PointB | Var1 | Var2 | 
| 1 | AAA   | zzz   | ABC    | BCD    |  1   |  5   | 
| 1 | AAA   | zzz   | BCD    | CDE    |  2   |  5   | 
| 1 | AAA   | zzz   | CDE    | DEF    |  3   |  5   | 
| 2 | BBB   | yyy   | STU    | TUV    |  1   |  6   | 
| 2 | BBB   | yyy   | TUV    | UVW    |  2   |  6   | 
| 2 | BBB   | yyy   | UVW    | VWX    |  3   |  6   | 
| 2 | BBB   | yyy   | VWX    | WXY    |  4   |  6   |

我想要的是在ID定义的每个类别的末尾添加一行：

|ID | Name1 | Name2 | PointA | PointB | Var1 | Var2 | 
| 1 | AAA   | zzz   | ABC    | BCD    |  1   |  5   | 
| 1 | AAA   | zzz   | BCD    | CDE    |  2   |  5   | 
| 1 | AAA   | zzz   | CDE    | DEF    |  3   |  5   | 
| 1 | AAA   | zzz   | DEF    | ---    |  4   |  0   | 
| 2 | BBB   | yyy   | STU    | TUV    |  1   |  6   | 
| 2 | BBB   | yyy   | TUV    | UVW    |  2   |  6   | 
| 2 | BBB   | yyy   | UVW    | VWX    |  3   |  6   | 
| 2 | BBB   | yyy   | VWX    | WXY    |  4   |  6   | 
| 2 | BBB   | yyy   | WXY    | ---    |  5   |  0   |

我试过了：（我原来的df叫operacionales）

df = pd.DataFrame(columns = operacionales.columns)
val = range(1, 22223)
for x in val:
    test = operacionales.loc[operacionales['ID'] == x]
    li = [test.ID.iloc[0], test.Name1.iloc[0], test.Name2.iloc[0],
test.PointB.iloc[-1], '-', test.Var1.max() + 1, 0]
    t = pd.DataFrame(li).T
    t.columns = test.columns
    test2 = test.append(t)
    df = df.append(test2)

但我收到“IndexError：单个位置索引器超出范围” 我尝试了相同的方法，但在代码中使用索引[-1] 而不是[0]，结果是一样的。

如您所见，我要添加的行与组的其他行相同，除了：
1.PointA（我想成为PointB变量的最后一个值），
2.PointB（我想设置为'---'），
3.Var1（我想成为组中最后一个值的 +1），以及
4.Point2（我想设置为0）。

我找到了这个 (append rows to a Pandas groupby object)，但它并没有真正帮助我。

任何帮助将不胜感激。

【问题讨论】：

标签： python pandas append row

【解决方案1】：

我会这样做：

t = df.groupby('ID', as_index=False).last() 
t[['PointA', 'PointB', 'Var1', 'Var2']] = np.column_stack([t.PointB, ['---']*2, t.Var1+1, [0]*2])
pd.concat([df, t], ignore_index=True).sort_values('ID')

Out[121]:
   ID Name1 Name2 PointA PointB  Var1  Var2
0   1   AAA   zzz    ABC    BCD     1     5
1   1   AAA   zzz    BCD    CDE     2     5
2   1   AAA   zzz    CDE    DEF     3     5
7   1   AAA   zzz    DEF    ---     4     0
3   2   BBB   yyy    STU    TUV     1     6
4   2   BBB   yyy    TUV    UVW     2     6
5   2   BBB   yyy    UVW    VWX     3     6
6   2   BBB   yyy    VWX    WXY     4     6
8   2   BBB   yyy    WXY    ---     5     0

【讨论】：

【解决方案2】：

你可以使用 groupby / apply：

def append_column_to_group(group):
    result = group
    result = result.append({'ID': 1,
                            'Name1': group.iloc[0].Name1,
                            'Name2': group.iloc[0].Name2,
                            'PointA': group.iloc[-1].PointB,
                            'PointB': '---',
                            'Var1': group.iloc[-1].Var1 + 1,
                            'Var2': 0}, ignore_index=True)
    return result
df.groupby('Name1').apply(append_column_to_group)

【讨论】：

【解决方案3】：

IIUC

appenddf=df.groupby('ID').tail(1)
appenddf=appenddf.drop('PointA',1).rename(columns={'PointB':'PointA'}).assign(Var1=appenddf.Var1+1)
df=pd.concat([df,appenddf],sort=True).sort_index()
df
Out[232]: 
   ID Name1 Name2 PointA PointB  Var1  Var2
0   1   AAA   zzz    ABC    BCD     1     5
1   1   AAA   zzz    BCD    CDE     2     5
2   1   AAA   zzz    CDE    DEF     3     5
2   1   AAA   zzz    DEF    NaN     4     5
3   2   BBB   yyy    STU    TUV     1     6
4   2   BBB   yyy    TUV    UVW     2     6
5   2   BBB   yyy    UVW    VWX     3     6
6   2   BBB   yyy    VWX    WXY     4     6
6   2   BBB   yyy    WXY    NaN     5     6

【讨论】：

【解决方案4】：

def update_method(series):
    last_row = series.iloc[-1]
    new_row = last_row
    new_row['PointA'] = last_row['PointA']
    new_row['PointB'] = '---'
    new_row['Var1'] = last_row['Var1']+1
    series = series.append(new_row)
    return series
new_df = df.groupby('Name1').apply(update_method)

【讨论】：

这正是我所需要的！非常感谢。