按组创建列并在python中过滤答案

【问题标题】：Create a column by Groupy and filter in python按组创建列并在python中过滤
【发布时间】：2021-10-12 10:21:36
【问题描述】：

我有一个包含供应商、账单金额和付款类型的数据框。

我想添加一列，我将在其中获得供应商的滞纳金。

是否可以写一行代码来得到这个输出？

df['供应商延迟付款']=

【问题讨论】：

标签： python-3.x pandas dataframe python-requests

【解决方案1】：

您可以使用groupby.transform 和bfill() 的组合，并使用assign 分配回新列：

df = df.assign(late_payments=df[df['Payment'].eq('Delay')].groupby('Vendor')['Amount'].transform('sum')).bfill()

打印：

  Vendor Payment  Amount  late_payments
0      A  Ontime      91           78.0
1      A  Ontime      90           78.0
2      A   Delay      78           78.0
3      B  Ontime      58          166.0
4      B   Delay      77          166.0
5      B  Ontime      96          166.0
6      B   Delay      89          166.0

【讨论】：

【解决方案2】：

让我们定义数据框：

data = pd.DataFrame({'Vendor':['A', 'A', 'B', 'B'],
        'Payment':['Ontime', 'Delay', 'Ontime', 'Delay'],
        'Paid Late by Vendor':[20, 21, 19, 18]})

要获得您想要的结果，您需要使用分组值创建一个单独的数据框，然后将其与原始数据框组合。

由于您只需要延迟付款的值，因此您需要过滤要分组的数据以仅包含所需的记录，然后对其进行分组。 reset_index() 用于使索引成为列（在这种情况下，它是我们分组的列；供应商）

groupedLateData = data[data['Payment']=='Delay'].groupby('Vendor')["Paid Late by Vendor"].sum().reset_index()

然后我们将生成的数据框与 Vendor 列上的原始数据框合并

pd.merge(data, groupedLateData, on='Vendor')

这将是结果：

【讨论】：

能不能写一行代码得到结果？ df['供应商延迟付款']=...