如何将列中的值与数据框中存在的另一列的名称相匹配，然后计算相应的百分比变化？
How to match the value in the column with the name of the other column present in the dataframe and then calculate the corresponding percent change?
我正在处理如下所述的类似数据集：
ID
col1
col2
col3
col4
col5
1
col3
10
9
5
4
2
col5
6
7
4
8
3
col3
12
4
2
11
4
col4
9
5
8
10
在 col1 中，数据具有同一数据框的某些列名的值。
我需要将 col1 中的值与数据框中列的实际名称相匹配，然后使用 col2.
计算值的百分比变化
预期输出 table 可以表示为：
ID
col1
col2
col3
col4
col5
percent_change
1
col3
10
9
5
4
(10-9)/9*100 is 11.11%
2
col5
6
7
4
8
(6-8)/8*100 is -25%
3
col3
12
4
2
11
(12-4)/4*100 is 200%
4
col4
9
5
8
10
(9-8)/8*100 is 12.5%
因此对于 ID:1，col1 的值为 col3。所以代码应该找到 col3 并计算它下面的值与 col2.
的百分比
同样，对于ID:2，col1的值为col5，所以代码应该找到col5，并找到col2中对应值的百分比变化。即这里col5为8，col2为6。然后计算百分比变化。
我尝试了一些方法但得到了错误的输出。
请帮助我 python pandas 代码。
通过lookup获取值，然后用算术运算计算新列：
idx, cols = pd.factorize(df['col1'])
s = df.reindex(cols, axis=1).to_numpy()[np.arange(len(df)), idx]
df['percent_change'] = df['col2'].sub(s).div(s).mul(100)
print (df)
ID col1 col2 col3 col4 col5 percent_change
0 1 col3 10 9 5 4 11.111111
1 2 col5 6 7 4 8 -25.000000
2 3 col3 12 4 2 11 200.000000
3 4 col4 9 5 8 10 12.500000
我正在处理如下所述的类似数据集：
| ID | col1 | col2 | col3 | col4 | col5 |
|---|---|---|---|---|---|
| 1 | col3 | 10 | 9 | 5 | 4 |
| 2 | col5 | 6 | 7 | 4 | 8 |
| 3 | col3 | 12 | 4 | 2 | 11 |
| 4 | col4 | 9 | 5 | 8 | 10 |
在 col1 中，数据具有同一数据框的某些列名的值。 我需要将 col1 中的值与数据框中列的实际名称相匹配，然后使用 col2.
计算值的百分比变化预期输出 table 可以表示为：
| ID | col1 | col2 | col3 | col4 | col5 | percent_change |
|---|---|---|---|---|---|---|
| 1 | col3 | 10 | 9 | 5 | 4 | (10-9)/9*100 is 11.11% |
| 2 | col5 | 6 | 7 | 4 | 8 | (6-8)/8*100 is -25% |
| 3 | col3 | 12 | 4 | 2 | 11 | (12-4)/4*100 is 200% |
| 4 | col4 | 9 | 5 | 8 | 10 | (9-8)/8*100 is 12.5% |
因此对于 ID:1，col1 的值为 col3。所以代码应该找到 col3 并计算它下面的值与 col2.
的百分比同样，对于ID:2，col1的值为col5，所以代码应该找到col5，并找到col2中对应值的百分比变化。即这里col5为8，col2为6。然后计算百分比变化。
我尝试了一些方法但得到了错误的输出。
请帮助我 python pandas 代码。
通过lookup获取值，然后用算术运算计算新列：
idx, cols = pd.factorize(df['col1'])
s = df.reindex(cols, axis=1).to_numpy()[np.arange(len(df)), idx]
df['percent_change'] = df['col2'].sub(s).div(s).mul(100)
print (df)
ID col1 col2 col3 col4 col5 percent_change
0 1 col3 10 9 5 4 11.111111
1 2 col5 6 7 4 8 -25.000000
2 3 col3 12 4 2 11 200.000000
3 4 col4 9 5 8 10 12.500000