应用 transform() pandas 时如何识别更改的值答案

【问题标题】：How to recognize changed value when apply transform() pandas应用 transform() pandas 时如何识别更改的值
【发布时间】：2020-12-04 01:00:27
【问题描述】：

我有一个像下面这样的 DF

df = pd.DataFrame({'category' : ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
                   'size': [20, 0, 10, 30, 30, 0, 0, 10],
                   'price': [5, 0, 2, 10, 10, 0, 0, 3],
                    'flag' : [0,0,0,0,0,0,0,0]
                  })

我想将 ['size'] 列中的 0 更改为类别的最大值，所以

df['size'] = np.where(df['size'].eq(0), df.groupby('category')['size'].transform('max'), df['size']) 
df['price'] = np.where(df['price'].eq(0), df.groupby('category')['price'].transform('max'), df['price'])

输出会是这样的

df = pd.DataFrame({'category' : ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
                   'size': [20, 20, 10, 30, 30, 30, 10, 10],
                   'price': [5, 5, 2, 10, 10, 10, 3, 3],
                    'flag' : [0,0,0,0,0,0,0,0]
                  })

（目前已确认的过程）

但现在我想知道哪一行已更改，因此我分配了一个 ['flag'] 列，并希望在同一行中的任何其他值已更改时将值 0 更改为 1。所以想要的输出如下所示

df = pd.DataFrame({'category' : ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],
                   'size': [20, 20, 10, 30, 30, 30, 10, 10],
                   'price': [5, 5, 2, 10, 10, 10, 3, 3],
                    'flag' : [0,1,0,0,0,1,1,0]
                  })

无论如何我可以用转换语句做这一行吗？还是有什么好办法？

【问题讨论】：

标签： python python-3.x pandas numpy dataframe

【解决方案1】：

您能否在应用操作之前标记将要更改的内容？即找到size == 0:

的地方

df['flag'] = (df['size'] == 0).astype(int)

# then do
df['size'] = np.where(df['size'].eq(0), df.groupby('category')['size'].transform('max'), df['size'])
df['price'] = np.where(df['price'].eq(0), df.groupby('category')['price'].transform('max'), df['price'])

或者price 或size：

df['flag'] = ((df['size'] == 0) | (df['price'] == 0)).astype(int)

【讨论】：

【解决方案2】：

检查这里我添加了附加条件，因为该组中的整体价值价格和大小可能为 0

cond1 = df.groupby('category')['size'].transform('max')
cond2 = df.groupby('category')['price'].transform('max')

df['changed'] = ((df['size'].ne(cond1)&df['size'].eq(0)) | (df['price'].ne(cond2)&df['price'].eq(0)))  .astype(int)
df['size'] = np.where(df['size'].eq(0), cond1, df['size']) 
df['price'] = np.where(df['price'].eq(0), cond2, df['price']) 

Out[406]: 
  category  size  price  flag  changed
0        A    20      5     0        0
1        A    20      5     0        1
2        A    10      2     0        0
3        B    30     10     0        0
4        B    30     10     0        0
5        B    30     10     0        1
6        C    10      3     0        1
7        C    10      3     0        0

或者如果最大值总是大于0

df['changes'] = df[['size','price']].eq(0).any(1).astype(int)

【讨论】：