Pandas 数据框在数据中的自我依赖以填充一列

Question

我有数据的数据框：“relation”的值由codeid决定。皮革有“codeid”=11，它已经出现在包上，所以我们把价值包放在了一起。鞋子也是一样。ToDo：通过检查数据帧中的 codeid 来填充“relation”的值。任何帮助，将不胜感激。编辑：相同的 codeid 例如 11 可以出现 > 两次。但是“关系”只能具有作为 bag 的值，因为 bag 是第一个具有 codeid=11 的值。我也更新了图片。

Answer 1

如果只想要第一个重复值到最后重复使用transformwithfirst然后NaN通过locwith设置值duplicated：

df = pd.DataFrame({'id':[1,2,3,4,5],

                   'name':list('brslp'),

                   'codeid':[11,12,13,11,13]})

df['relation'] = df.groupby('codeid')['name'].transform('first')

print (df)

   id name  codeid relation

0   1    b      11        b

1   2    r      12        r

2   3    s      13        s

3   4    l      11        b

4   5    p      13        s

#get first duplicated values of codeid

print (df['codeid'].duplicated(keep='last'))

0     True

1    False

2     True

3    False

4    False

Name: codeid, dtype: bool

#get all duplicated values of codeid with inverting boolenam mask by ~ for unique rows   

print (~df['codeid'].duplicated(keep=False))

0    False

1     True

2    False

3    False

4    False

Name: codeid, dtype: bool

#chain boolen mask together 

print (df['codeid'].duplicated(keep='last') | ~df['codeid'].duplicated(keep=False))

0     True

1     True

2     True

3    False

4    False

Name: codeid, dtype: bool

#replace True values by mask by NaN 

df.loc[df['codeid'].duplicated(keep='last') | 

       ~df['codeid'].duplicated(keep=False), 'relation'] = np.nan

print (df)

   id name  codeid relation

0   1    b      11      NaN

1   2    r      12      NaN

2   3    s      13      NaN

3   4    l      11        b

4   5    p      13        s

Answer 2

这不是最佳解决方案，因为它会占用您的内存，但这是我的尝试。df1创建是为了保存列的null值relation，因为似乎空值是第一次出现。经过一些清理后，两个数据帧被合并为一个。

import pandas as pd

df = pd.DataFrame([['bag', 11, 'null'], 

                  ['shoes', 12, 'null'], 

                  ['shopper', 13, 'null'], 

                  ['leather', 11, 'bag'], 

                  ['plastic', 13, 'shopper'],

                  ['something',13,""]], columns = ['name', 'codeid', 'relation'])

df1=df.loc[df['relation'] == 'null'].copy()#create a df with only null values in relation

df1.drop_duplicates(subset=['name'], inplace=True)#drops the duplicates and retains the first entry

df1=df1.drop("relation",axis=1)#drop the unneeded column

final_df=pd.merge(df, df1, left_on='codeid', right_on='codeid')#merge the two dfs on the columns names

Answer 3

我想你想做这样的事情：

import pandas as pd

df = pd.DataFrame([['bag', 11, 'null'], 

                  ['shoes', 12, 'null'], 

                  ['shopper', 13, 'null'], 

                  ['leather', 11, 'bag'], 

                  ['plastic', 13, 'shoes']], columns = ['name', 'codeid', 'relation'])

def codeid_analysis(rows):

    if rows['codeid'] == 11:

        rows['relation'] = 'bag'

    elif rows['codeid'] == 12:

        rows['relation'] = 'shirt' #for example. You should put what you want here

    elif rows['codeid'] == 13:

        rows['relation'] = 'pants' #for example. You should put what you want here

    return rows

result = df.apply(codeid_analysis, axis = 1)

print(result)