Python -逐行对第二/最低值进行互补抑制

Question

我正在使用python中的数据抑制脚本，其中我需要1)抑制小值(1到5之间)和2)确保在最小的聚合级别上至少有2个值被抑制。我已经完成了第一步，用-1替换小值(稍后我将重新编码为" ")。我创建了一个新的助手列，用于计算每行有多少个被抑制的值('sup_cnt')。结果是这样的:

Subgroup   cat1    cat2    cat3    sup_cnt
Group1      0      -1       0       1
Group2     -1      22       6       1
Group3     -1      14      -1       2
Group4     -1      -1       0       2
data = {'group':['group1','group2','group3','group4'],'cat1':[0,-1,-1,-1],'cat2':[-1,22,14,-1],'cat3':[0,0,-1,0],'sup_cnt':[1,1,2,3]}
df = pd.DataFrame(data)

因此，对于Group1和Group2，它们只有一个值被抑制，我想要第二个值——最低的(包括0)——用-1替换。在Group1中，其中一个0将被替换;在第2组中，6将被取代。所以结果是这样的:

Subgroup   cat1    cat2    cat3    sup_cnt
Group1     -1      -1       0       1
Group2     -1      22      -1       1
Group3     -1      14      -1       2
Group4     -1      -1       0       2

如果有多个列具有相同的最低值(如Group1，它有两个零)，我只希望替换其中一个(与哪个无关)。

最初是在R中开始的，然后切换到python/pandas(但我对pandas很陌生)。我的想法是编写一个函数，将cat值作为参数，确定其中的最小非负整数，循环遍历一行中的数据列并替换该行中最小值的第一个实例，然后中断。但我不确定这是否是正确的方法(或者确切地说如何执行)。什么好主意吗?

Answer 1

我希望我没理解错你的问题:

def fn(x):
cols = x.filter(regex=r"^cat")
x = cols[cols >= 0].sort_values()[: 2 - x["sup_cnt"]]
df.loc[x.name, x.index] = -1

df[df.sup_cnt < 2].apply(fn, axis=1)
print(df)

打印:

Subgroup  cat1  cat2  cat3  sup_cnt
0   Group1    -1    -1     0        1
1   Group2    -1    22    -1        1
2   Group3    -1    14    -1        2
3   Group4    -1    -1     0        2