Pandas：批量替换满足相同条件的不同行的值

Question

我从 sql 服务器中提取了一些 pandas 格式的数据。结构如下：

df = pd.DataFrame({'Day':(1,2,3,4,1,2,3,4),'State':('A','A','A','A','B','B','B','B'),'Direction':('N','S','N','S','N','S','N','S'),'values':(12,34,22,37,14,16,23,43)})

 >>> df
    Day Direction State  values
0    1         N     A      12
1    2         S     A      34
2    3         N     A      22
3    4         S     A      37
4    1         N     B      14
5    2         S     B      16
6    3         N     B      23
7    4         S     B      43

现在我想用相同的日期和相同的方向但用 (State == A) 本身替换所有值 + 具有相同的日期和相同的状态但用 (State == B) 的值。例如，像这样：

df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'] = df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'].values + df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'B'),'values'].values

>>> df
   Day Direction State  values
0    1         N     A      26
1    2         S     A      34
2    3         N     A      22
3    4         S     A      37
4    1         N     B      14
5    2         S     B      16
6    3         N     B      23
7    4         S     B      43

请注意第一行的值已从 12 更改为 26(12 + 14) 由于这些值来自不同的行，因此很难使用 combine_first 函数？

现在我必须使用两个循环（在 'Day' 和 'Direction' 上）和上面的归因语句来做，当数据帧变大时它非常慢。你有什么聪明有效的方法吗？

Answer 1

您可以先定义一个函数，将同一组中B的值添加到A。然后将这个函数应用到每个组。

def f(x):
    x.loc[x.State=='A','values']+=x.loc[x.State=='B','values'].iloc[0]
    return x

df.groupby(['Day','Direction']).apply(f)
Out[94]: 
   Day Direction State  values
0    1         N     A      26
1    2         S     A      50
2    3         N     A      45
3    4         S     A      80
4    1         N     B      14
5    2         S     B      16
6    3         N     B      23
7    4         S     B      43

Pandas：批量替换满足相同条件的不同行的值

Pandas: batch subsitution of values from different rows meeting same criterias

python

batch-processing

pandas