参考熊猫数据框中的列值减去固定行值

Question

我想在行中减去一个固定的行值，参考它们在另一列中的值。

我的数据如下所示：

       TRACK    TIME  POSITION_X
0        1        0       12       
1        1        30      13       
2        1        60      15       
3        1        90      11      
4        2         0      10     
5        2        20      11
6        2        60      13
7        2        90      17

我想参考 TRACK 列减去 POSITION_X 列的固定行值 (WHEN TIME=0)，并使用这些值创建一个新列 ("NEW_POSX")。输出应该是这样的：

       TRACK    TIME  POSITION_X   NEW_POSX
0        1        0       12         0   
1        1        30      13         1
2        1        60      15         3
3        1        90      11        -1
4        2         0      10         0
5        2        20      11         1
6        2        60      13         3
7        2        90      17         7

我一直在使用以下代码来完成这项工作：

import pandas as pd

data = {'TRACK':  [1,1,1,1,2,2,2,2],
        'TIME': [0,30,60,90,0,20,60,90],
        'POSITION_X': [12,13,15,11,10,11,13,17],
        }

df = pd.DataFrame (data, columns = ['TRACK','TIME','POSITION_X'])
df['NEW_POSX']= df.groupby('TRACK')['POSITION_X'].diff().fillna(0).astype(int)
df.head(8)

...但我没有得到想要的输出。相反，我得到一个新列，其中每一行都减去前一行（根据“TRACK”列）：

       TRACK    TIME  POSITION_X   NEW_POSX
0        1        0       12         0   
1        1        30      13         1
2        1        60      15         2
3        1        90      11        -4
4        2         0      10         0
5        2        20      11         1
6        2        60      13         2
7        2        90      17         4

谁能帮我解决这个问题？

Answer 1

您可以使用transform和first获取时间0的值，然后将其减去'POSITION_X'列：

s=df.groupby('TRACK')['POSITION_X'].transform('first')
df['NEW_POSX']=df['POSITION_X']-s

#Same as: 
#df['NEW_POSX']=df['POSITION_X'].sub(s)

输出：

df
   TRACK  TIME  POSITION_X  NEW_POSX
0      1     0          12         0
1      1    30          13         1
2      1    60          15         3
3      1    90          11        -1
4      2     0          10         0
5      2    20          11         1
6      2    60          13         3
7      2    90          17         7