根据现有列中的某些规则在新数据框列中设置值答案

【问题标题】：Set value in a new dataframe column based on some rule in existing column根据现有列中的某些规则在新数据框列中设置值
【发布时间】：2020-04-28 13:19:36
【问题描述】：

我想在现有数据框中创建一个新列，其中每行中的值取决于相邻列中的某些规则。让我举个例子。我有以下字典：

d1={"commence_time":["12/6/2019 14:00", "12/7/2019 17:30", 
                     "12/7/2019 17:30","12/8/2019 19:30",
                     "12/9/2019 19:30","12/28/2019 15:00",
                     "12/28/2019 15:00","12/28/2019 15:00"],
"value1":["5","5","5","5","5","5","5","5"]}

我创建了以下 DataFrame：

df1=pd.DataFrame(data=d1)

导致：

    commence_time     value1
 0  12/6/2019 14:00     5
 1  12/7/2019 17:30     5
 2  12/7/2019 17:30     5
 3  12/8/2019 19:30     5
 4  12/9/2019 19:30     5
 5  12/28/2019 15:00    5
 6  12/28/2019 15:00    5
 7  12/28/2019 15:00    5

我想创建另一个名为 value2 的列，其中适用以下规则：如果开始时间之后是下一行中不同的开始时间，则第一行中的 value2 应该等于 value1。如果开始时间与下一行（甚至可能是后续行）中的开始时间完全相同，则 value2 中的数字是 value1 与 5 的总和。预期结果是：

    commence_time   value1  value2
 0  12/6/2019 14:00    5      5
 1  12/7/2019 17:30    5     10
 2  12/7/2019 17:30    5     10
 3  12/8/2019 19:30    5      5
 4  12/9/2019 19:30    5      5
 5  12/28/2019 15:00   5     10
 6  12/28/2019 15:00   5     10
 7  12/28/2019 15:00   5     10

真的不知道如何解决这个问题，所以我没有真正尝试任何事情。建议表示赞赏。

【问题讨论】：

我想我有点困惑这些值是否总是相同，或者如果最后一组是 5、6、6 会发生什么。输出应该是 11,12,12 还是 11,11,12，或者不同的东西
事实上，如果最后一组值是 5,6,6，那么将 5 相加将得到 10,11,11。 “value1”中的值并不总是相同的来回答问题。为了简单和可读性，我输入了相同的值，但我意识到这可能会给可能的解决方案带来混乱。
数据框的最后一行应该发生什么？
如果开始时间与前一行不同，则从“value1”列复制值。如果不是（即开始时间与上一行相同），则值 2 与 5 相加。
是的，这些行加起来 5。是的，这个数字与 value1 无关

标签： python pandas if-statement conditional-statements

【解决方案1】：

如果您的 DataFrame 显示为如上排序，那么这不是连续检查，因为它可能只是 duplicated 检查。使用掩码将 5 添加到您想要的行。

magic_num = 5

df1['value2'] = df1.value1.astype(int) + df1.commence_time.duplicated(keep=False)*magic_num

但是，如果确实需要进行连续的行检查，而不是在 DataFrame 中的任何位置，您可以执行此检查移位值并查找大于 1 的组以将值添加到其中。

s = df1.commence_time.ne(df1.commence_time.shift()).cumsum()
df1['value2'] = df1.value1.astype(int) + (s.groupby(s).transform('size') > 1)*magic_num

      commence_time value1  value2
0   12/6/2019 14:00      5       5
1   12/7/2019 17:30      5      10
2   12/7/2019 17:30      5      10
3   12/8/2019 19:30      5       5
4   12/9/2019 19:30      5       5
5  12/28/2019 15:00      5      10
6  12/28/2019 15:00      5      10
7  12/28/2019 15:00      5      10

【讨论】：

【解决方案2】：

import numpy
d1={"commence_time":["12/6/2019 14:00", "12/7/2019 17:30", 
                 "12/7/2019 17:30","12/8/2019 19:30",
                 "12/9/2019 19:30","12/28/2019 15:00",
                 "12/28/2019 15:00","12/28/2019 15:00"],
"value1":[5,5,5,5,5,5,5,5]}


 df1=pd.DataFrame(data=d1)

 df1['timeshift']= df1.commence_time.shift(-1)
 df1['valueshift']= df1.value1.shift(-1)

 df1['value2'] = np.where(df1.commence_time == df1.timeshift,
                     df1.value1 + df1.valueshift,df1.value1)

您好，尝试一下，您可以查看 numpy 文档以获取有关 np.where 的更多信息，我的解决方案可能有点老套，但我相信很快就会有人改进它。

【讨论】：

我将你的 r "value1":["5","5","5","5","5","5","5","5"] 转换为我假设你只是用这个作为例子的整数