根据行分组修改数据框并根据条件更新列

Question

我有一个数据框，我需要根据几列中行的相同值应用条件并更新其他列。

输入数据帧代码：

df = DataFrame({
    'exp':['1y','1y','1y','1y','1y','1y'],
    'mat':['1y','1y','1y','2y','2y','2y'],
    'reg':['in', 'in', 'in', 'in', 'in', 'in'],
    'con':['w','s','c','w','s','c'],
    'val':[2.5,0,-2.5,2.5,0,-2.5],
    'rs':[6, 10, 4, 12, 30, 6 ]
})
df

输入数据框：

    exp mat reg con val  rs
0   1y  1y  in  w   2.5   6
1   1y  1y  in  s   0.0  10
2   1y  1y  in  c   -2.5  4
3   1y  2y  in  w   2.5  12
4   1y  2y  in  s   0.0  30
5   1y  2y  in  c   -2.5. 6

预期输出数据帧：

    exp mat reg con val  rs
0   1y  1y  in  w   2.5  5
1   1y  1y  in  s   0.0  10
2   1y  1y  in  c   -2.5 1
3   1y  2y  in  w   2.5  9
4   1y  2y  in  s   0.0  30
5   1y  2y  in  c   -2.5 3

多个条件基于行和列：

1. 对于列中的相同值
   就像 exp=1y, mat=1y, reg=in 的所有 3 行一样。

   一个。根据 col 'con' 更新列 'rs'。

     if 'con' == w, then rs = (current_rs + rs(con == c)) / 2  i.e (6+4)/2 
     if 'con' == s, then no changes
     if 'con' == c, then rs = (rs(con == w) - current_rs)) / 2 i.e (6-4)/2
   

2. 从 3 行组中应用相同的条件，其中 exp=1y, mat=2y, reg=in

我的数据集非常大，还有许多其他区域以及“exp”、“mat”和“reg”列的更多组合。
我尝试了很多方法，例如 groupby、iloc、np.where、filter，但都没有成功。

尝试失败：

df.groupby(['exp','mat','reg']) # not sure what can be the next condition

Answer 1

您可以取消堆叠数据，使con 成为列，然后您可以轻松地修改数据：

tmp = df.set_index(['exp','mat','reg','con']).unstack()
tmp[('rs','w')],tmp[('rs','c')] = ((tmp[('rs','w')] + tmp[('rs','c')])/2,
                                   (tmp[('rs','w')] - tmp[('rs','c')])/2)
tmp.stack().reset_index()

输出：

  exp mat reg con    val    rs
0  1y  1y  in   c   -2.5   1.0
1  1y  1y  in   s    0.0  10.0
2  1y  1y  in   w    2.5   5.0
3  1y  2y  in   c   -2.5   3.0
4  1y  2y  in   s    0.0  30.0
5  1y  2y  in   w    2.5   9.0