有条件地在熊猫中设置组的值python答案

【问题标题】：Set values of groups in pandas conditionally python有条件地在熊猫中设置组的值python
【发布时间】：2013-06-14 06:48:21
【问题描述】：

我有一个包含以下列的数据框：

duration, cost, channel 
  2       180      TV1
  1       200      TV2
  2       300      TV3
  1       nan      TV1
  2       nan      TV2
  2       nan      TV3
  2       nan      TV1
  1       40       TV2
  1       nan      TV3

一些成本值是 nans，要填充它们，我需要执行以下操作：

按频道分组
在一个频道内，将可用成本相加并除以 * 出现次数（平均）
为该通道内的所有行重新分配值：
- 如果持续时间 = 1，则成本 = 平均 * 1.5
- 如果持续时间 = 2，则成本 = 平均

示例： TV2 频道，我们有 3 个条目，其中一个条目的成本为零。所以我需要做以下事情：

average = 200+40/3 = 80
if duration = 1, cost = 80 * 1.5 = 120

duration, cost, channel 
  2       180      TV1
  1       120      TV2
  2       300      TV3
  1       nan      TV1
  2       80       TV2
  2       nan      TV3
  2       nan      TV1
  1       120      TV2
  1       nan      TV3

我知道我应该执行 df.groupby('channel') 然后将函数应用于每个组。问题是我不仅需要修改空值，如果 1 个成本为空，我还需要修改组内的所有成本值。

任何提示帮助将不胜感激。

谢谢！

【问题讨论】：

标签： python group-by pandas missing-data

【解决方案1】：

如果我正确理解你的问题，你想要这样的东西：

def myfunc(group):

    # only modify cost if there are nan's
    if len(group) != group.cost.count():

        # set all cost values to the mean
        group['cost'] = group.cost.sum() / len(group)

        # multiply by 1.5 if the duration equals 1
        group['cost'][group.duration == 1] = group['cost'] * 1.5

    return group


df.groupby('channel').apply(myfunc)

   duration  cost channel
0         2    60     TV1
1         1   120     TV2
2         2   100     TV3
3         1    90     TV1
4         2    80     TV2
5         2   100     TV3
6         2    60     TV1
7         1   120     TV2
8         1   150     TV3

【讨论】：

谢谢！但是 df 中的成本列未分配新值。当我分配 df.cost = df.groupby('channel').apply(myfunc) 时，我得到了一个错误。
在这种情况下，应用值已经返回完全相同的 df，只是成本值不同。所以你可以这样做：df = df.groupby('channel').apply(myfunc)。但是，如果您坚持只修改成本列，这也可以：df['cost'] = df.groupby('channel').apply(myfunc)['cost']。但我不会使用后者，因为索引的更改可能会导致错位，即使在这种情况下它也可以。

【解决方案2】：

在新版本的 Pandas 中，代码应该改为

def myfunc(group):
    # only modify cost if there are nan's
    if len(group) != group.cost.count():

        # set all cost values to the mean
        group['cost'] = group.cost.sum() / len(group)

        # multiply by 1.5 if the duration equals 1
        _ = group.set_value(group[group.duration == 1].index, 'cost', group['cost'] * 1.5)

    return group

【讨论】：