重新分配按时间分组的熊猫 df 中的值

Question

我在下面有一个熊猫df，其中列按Value排序。所以-1永远是第一位的，其次是0，然后是1，然后是2等等。

我想根据每个整数的最大计数数重新分配Value个整数。具体来说，我想保持原样-1。对于所有其他数字，我希望0成为每个Period最具代表性的数字。然后将所有其他整数设为1。

因此，如果0具有最多的唯一Period整数，那么没关系。如果另一个整数的计数较高，则将这些值重新分配为 0，并将0's交换为1。

如果我们不理-1，Period 1有两个0's，两个1's，两个2's。因此，将2's更改为1.

Period 2有两个0's和两个1's所以保持原样。

d = {'Item': ["Red", "Blue", "Green", "White", "Black", "Orange", "Yellow", "Brown", "Red", "Blue", "Green", "White", "Black", "Orange", "Yellow", "Brown"],
'Value': [-1, -1, 0, 0, 1, 1, 2, 2, -1, -1, -1, -1, 0, 0, 1, 1],
'Period': [1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2],
}
df = pd.DataFrame(data=d)
df['edge']=df.groupby('Period')['Value'].transform(lambda x:x.value_counts().diff().fillna(0).eq(0).all())
df['newval']=df.groupby('Period')['Value'].transform(lambda x:x.value_counts().idxmax())
m1=(df['newval'].ne(0) & df['newval'].eq(df['Value'])) & df['edge'].eq(False)
m2=(df['newval'].ne(0) & df['Value'].eq(0)) & df['edge'].eq(False)
df.loc[m1,'Value']=0
df.loc[m2,'Value']=1
df=df.drop(['newval','edge'],1)

DF：

Item  Value  Period
0      Red     -1       1
1     Blue     -1       1
2    Green      0       1
3    White      0       1
4    Black      1       1
5   Orange      1       1
6   Yellow      2       1
7    Brown      2       1
8      Red     -1       2
9     Blue     -1       2
10   Green     -1       2
11   White     -1       2
12   Black      0       2
13  Orange      0       2
14  Yellow      1       2
15   Brown      1       2

预期输出：

Item  Value  Period
0      Red     -1       1
1     Blue     -1       1
2    Green      0       1
3    White      0       1
4    Black      1       1
5   Orange      1       1
6   Yellow      1       1
7    Brown      1       1
8      Red     -1       2
9     Blue     -1       2
10   Green      0       2
11   White      0       2
12   Black      1       2
13  Orange      1       2
14  Yellow      1       2
15   Brown      1       2

Answer 1

IIUC：

尝试：

df['edge']=df.groupby('Period')['Value'].transform(lambda x:x.value_counts().diff().fillna(0).eq(0).all())
df['newval']=df.groupby('Period')['Value'].transform(lambda x:x[x.ge(0)].value_counts().idxmax())
m1=(df['newval'].ne(0) & df['newval'].eq(df['Value'])) & df['edge'].eq(False)
m2=(df['newval'].ne(0) & df['Value'].eq(0)) & df['edge'].eq(False)
df.loc[m1,'Value']=0
df.loc[m2,'Value']=1
df=df.drop(['newval','edge'],1)

现在，如果您打印df您将获得预期的输出