熊猫的问题
我有以下数据框架:
product code trends_vs trends_100_0
1 aaaaaaa it 150 100
6 aaaaaaa pl <NA> 90
11 aaaaaaa ro <NA> 82
15 aaaaaaa sk <NA> 13
21 bbbbb ro 260 100
25 bbbbb cz <NA> 62
29 bbbbb sk <NA> 42
我想用下面的方法计算trends_vs列的值:
' product '列中的每个产品只有一个trends_vs值，该值与trends_100_0 - 100值相对应。
现在要获取第二行的trends_vs值我们必须执行150 * (90/100)
输出和逻辑应该是这样的:
product code trends_vs trends_100_0
1 aaaaaaa it 150 100
6 aaaaaaa pl 135 90 ---> 150 * (90/100)
11 aaaaaaa ro 123 82 ---> 150 * (82/100)
15 aaaaaaa sk 19.5 13 ---> 150 * (13/100)
21 bbbbb ro 260 100
25 bbbbb cz 161.2 62 ---> 260 * (62/100) # 260 instead of 150 because its a different product 'bbbbb'
29 bbbbb sk 109.2 42 ---> 260 * (42/100)
我尝试了groupby或map，但有些东西不像预期的那样工作。我有一个解决方案，当每一列应该在一行中相互对应，但在这种情况下，我们应该计算基于一个主要值为每个产品?
另一个不含groupby的方法:
df['trends_vs'] = (df.sort_values(['product', 'trends_100_0'])['trends_vs'].bfill()
* df['trends_100_0'] / 100)
print(df)
# Output
product code trends_vs trends_100_0
1 aaaaaaa it 150.0 100
6 aaaaaaa pl 135.0 90
11 aaaaaaa ro 123.0 82
15 aaaaaaa sk 19.5 13
21 bbbbb ro 260.0 100
25 bbbbb cz 161.2 62
29 bbbbb sk 109.2 42
先用.groupby.transform，然后用.div再用简单的.mul
我们可以使用.fillna来定位你的行。
df["trends_vs"] = df["trends_vs"].fillna(
df.groupby("product")["trends_vs"]
.transform("min")
.mul((df["trends_100_0"].div(100)))
)
product code trends_vs trends_100_0
1 aaaaaaa it 150.0 100
6 aaaaaaa pl 135.0 90
11 aaaaaaa ro 123.0 82
15 aaaaaaa sk 19.5 13
21 bbbbb ro 260.0 100
25 bbbbb cz 161.2 62
29 bbbbb sk 109.2 4
这将允许您查找基于产品的trends_vs和基于结果的trends_100_0
df['trends_vs'] = df.groupby('product')['trends_vs'].transform(max)
df['trends_vs'] = df['trends_vs'] * (df['trends_100_0']/100)
df