在过滤范围内查找

Question

我有一个包含电子商务面板数据的数据框。 它有订单和退货混合在一起。 每行都有 orderID - 对于正常订单和客户返回的相应退货，它是相同的编号。

我的数据如下所示：

orderID	Shop	Revenue	Note
44	0	-32	Return
45	0	-100	Return
44	1	14
45	3	20	Something else
46	2	50
47	1	80	Something
48	2	222

对于每个退货，我想找到与原始订单对应的“商店”列值。 例如：'orderID' == 44 出现两次：一次作为退货（'Shop' == 0）和一次作为正常订单（'Shop' == 1）。 我想将所有 0 值替换为 'Shop' 列与早期订单中的值

我想要的输出如下所示：

orderID	Shop	Revenue	Note
44	1	-32	Return
45	3	-100	Return
44	1	14
45	3	20	Something else
46	2	50
47	1	80	Something
48	2	222

我知道如何在 Google 表格中执行此操作（首先我过滤表删除 'Shop'==0 值，然后我在这个过滤后的数组中查找数字）

我知道如何使用 Pandas 过滤此表，但我不知道如何编写。

我假设我需要先编写一个临时列，在其中存储两种类型的值 - 用于普通订单（刚刚复制）和用于退货。

原始数据框为 1 000 000+ 行

我的 .csv 数据可在此处获得： https://docs.google.com/spreadsheets/d/e/2PACX-1vQAJ4tMc_Bcvv-4FsUy3E7sG0m9hm-nLTVLj-LwlSEns-YJ1pbq6gSKp5mj5lZqRI2EgHOsOutwnn1I/pub?gid=0&single=true&output=csv

感谢您的建议！

Answer 1

IIUC，使用地图：

m = df.query('Shop != 0').set_index('orderID')['Shop']
df['Shop'] = df['orderID'].map(m)
print(df)

输出：

   orderID  Shop  Revenue            Note
0       44     1      -32          Return
1       45     3     -100          Return
2       44     1       14             NaN
3       45     3       20  Something else
4       46     2       50             NaN
5       47     1       80       Something
6       48     2      222             NaN

使用 query 创建一个 pd.Series 以过滤掉零商店，然后将 set_index 和 map 商店用于 orderID。

如果存在 1-1 商店到订单映射，则此方法有效。如果您的每个订单有多个商店，那么您将需要逻辑来确定哪个商店有效。

如果你有重复的订单到同一家商店，那么你需要先drop_duplicates。