如何根据另一列中的值减去df中的行答案

【问题标题】：How to subtract rows in a df based on a value in another column如何根据另一列中的值减去df中的行
【发布时间】：2018-10-12 03:36:02
【问题描述】：

我正在尝试根据其他列的值计算某些行中的差异。

使用下面的示例数据框，我想根据Code 列中的值计算Time 的差异。具体来说，我想循环并确定B 和A 之间的时间差。所以 B 中的时间 - A 中的时间。

我可以使用iloc 函数手动执行此操作，但我希望确定一种更有效的方法。特别是如果我必须多次重复这个过程。

import pandas as pd
import numpy as np

k = 5
N = 15

d = ({'Time' : np.random.randint(k, k + 100 , size=N),
    'Code' : ['A','x','B','x','A','x','B','x','A','x','B','x','A','x','B']})

df = pd.DataFrame(data=d)

输出：

   Code  Time
0     A    89
1     x    39
2     B    24
3     x    62
4     A    83
5     x    57
6     B    69
7     x    10
8     A    87
9     x    62
10    B    86
11    x    11
12    A    54
13    x    44
14    B    71

预期输出：

【问题讨论】：

标签： python pandas loops

【解决方案1】：

首先按boolean indexing 过滤，然后用reset_index 减去reset_index 作为对齐系列a 和b 的默认索引，最后如果想要一列DataFrame 添加to_frame：

a = df.loc[df['Code'] == 'A', 'Time'].reset_index(drop=True)
b = df.loc[df['Code'] == 'B', 'Time'].reset_index(drop=True)

类似的替代解决方案：

a = df.loc[df['Code'] == 'A'].reset_index()['Time']
b = df.loc[df['Code'] == 'B'].reset_index()['Time']

c = b.sub(a).to_frame('diff')
print (c)
   diff
0   -65
1   -14
2    -1
3    17

新索引的最后一个从1开始添加rename：

c = b.sub(a).to_frame('diff').rename(lambda x: x + 1)
print (c)
   diff
1   -65
2   -14
3    -1
4    17

如果需要计算更多差异，另一种方法是通过unstack 重塑：

df = df.set_index(['Code', df.groupby('Code').cumcount() + 1])['Time'].unstack()
print (df)
         1     2     3     4     5     6     7
Code                                          
A     89.0  83.0  87.0  54.0   NaN   NaN   NaN
B     24.0  69.0  86.0  71.0   NaN   NaN   NaN
x     39.0  62.0  57.0  10.0  62.0  11.0  44.0

#last remove `NaN`s rows
c = df.loc['B'].sub(df.loc['A']).dropna()
print (c)
1   -65.0
2   -14.0
3    -1.0
4    17.0
dtype: float64

#subtract with NaNs values - fill_value=0 return non NaNs values
d = df.loc['x'].sub(df.loc['A'], fill_value=0)
print (d)
1   -50.0
2   -21.0
3   -30.0
4   -44.0
5    62.0
6    11.0
7    44.0
dtype: float64

【讨论】：

【解决方案2】：

假设您的Code 是'A', 'x', 'B', 'x' 的重复，您可以使用

>>> (df.Time[df.Code == 'B'].reset_index() - df.Time[df.Code == 'A'].reset_index())[['Time']]
    Time
0   -65
1   -14
2   -1
3   17

但请注意，最初的假设，即 'A' 和 'B' 值交替出现，似乎很脆弱。

如果您希望索引从 1 运行到 4，就像您的问题一样，您可以将前一个分配给 diff，然后使用

diff.index += 1
>>> diff
    Time
1   -65
2   -14
3   -1
4   17

【讨论】：