Pandas如何在数据集中执行内部计算

Question

我有一个包含员工id、年龄和经验的数据集，我需要根据逻辑计算年龄和经验

输入数据帧

年龄年份200020012000>>

emp_id	名称	exp
101	岩石	20	5
101	岩石	20	5
101	岩石	20	5	2002
102	DED	25	10
102	DED	25	10	2001
102	DED	25	10	2002
103	FEG	30	35	2000
103	FEG	30	35	2001
103	FEG	30	35	2002

您可以实现如下所需的输出。使用df.groupby和emp_id，并按降序检索每组的cumcount。接下来，从列age和exp中减去结果，得到更新的列。

import pandas as pd
data = {'emp_id': {0: 101, 1: 101, 2: 101, 3: 102, 4: 102, 5: 102, 
6: 103, 7: 103, 8: 103}, 
'name': {0: 'Rock', 1: 'Rock', 2: 'Rock', 3: 'DED', 4: 'DED', 
5: 'DED', 6: 'FEG', 7: 'FEG', 8: 'FEG'}, 
'age': {0: 20, 1: 20, 2: 20, 3: 25, 4: 25, 5: 25, 6: 30, 
7: 30, 8: 30}, 
'exp': {0: 5, 1: 5, 2: 5, 3: 10, 4: 10, 5: 10, 6: 35, 
7: 35, 8: 35}, 
'YEAR': {0: 2000, 1: 2001, 2: 2002, 3: 2000, 4: 2001, 
5: 2002, 6: 2000, 7: 2001, 8: 2002}
}
df = pd.DataFrame(data)
cumcount = df.groupby('emp_id').cumcount(ascending=False)
df['updated_age'] = df['age'].sub(cumcount)
df['updated_exp'] = df['exp'].sub(cumcount)
print(df)
emp_id  name  age  exp  YEAR  updated_age  updated_exp
0     101  Rock   20    5  2000           18            3
1     101  Rock   20    5  2001           19            4
2     101  Rock   20    5  2002           20            5
3     102   DED   25   10  2000           23            8
4     102   DED   25   10  2001           24            9
5     102   DED   25   10  2002           25           10
6     103   FEG   30   35  2000           28           33
7     103   FEG   30   35  2001           29           34
8     103   FEG   30   35  2002           30           35

---

更新：对于后面添加的第二个问题：要在每个emp_id的year列中的max的基础上将列updated_year添加到第二个df，请尝试如下：

df['updated_year'] = df.groupby('emp_id')['year'].transform(max)
.sub(df.groupby('emp_id').cumcount(ascending=False))
print(df)
emp_id  name  year  updated_year
0     101  Rock  2000          1999
1     101  Rock  2000          2000
2     101  Rock  2001          2001
3     102   DED  2002          2000
4     102   DED  2002          2001
5     102   DED  2000          2002
6     103   FEG  2000          1998
7     103   FEG  2000          1999
8     103   FEG  2000          2000

我的假设是，您希望根据实际年份差异更正age和exp(不过我可能错了(。如果是这样的话，你可以试试：

diff = df["YEAR"] - df.groupby("emp_id")["YEAR"].transform("max")
df["update_age"] = df["age"] + diff
df["update_exp"] = df["exp"] + diff

• 构建一个diff系列，该系列包含year与每个empty_id的最大年份之间的年份差
• 使用diff校正age和exp

样本结果(已校正(：

emp_id  name  age  exp  YEAR  update_age  update_exp
0     101  Rock   20    5  2000          18           3
1     101  Rock   20    5  2001          19           4
2     101  Rock   20    5  2002          20           5
3     102   DED   25   10  2000          23           8
4     102   DED   25   10  2001          24           9
5     102   DED   25   10  2002          25          10
6     103   FEG   30   35  2000          28          33
7     103   FEG   30   35  2001          29          34
8     103   FEG   30   35  2002          30          35