基本上，我想在“ Discount_Sub_Dpt”列中填入“是”或“否”，具體取決于那一周該Sub_Dpt是否有折扣，但該行所登陸的產品除外（例如，我不需要任何逐行考慮A在該周是否有折扣，而僅對該子部門中的產品有折扣（在大多數情況下，還有其他多個產品）。我試過使用groupby和Sub_Dpt和Week無濟于事。有誰知道如何解決這個問題？黃色列顯然是代碼的理想結果。這是我使用過的一些代碼，我試圖首先創建該列，然后更新值（但是可能都錯了）（我還故意將其命名為數據幀df1）： df1['Discount_Sub_Dpt'] = np.where((df1['Discount']=='Yes'),'Yes','No') grps = [] grps.append(df1.Sub_Dpt.unique()) for x in grps: x = str(x) yes_weeks = df1.loc[(df1.Discount_SubDpt == 'Yes') & (df1.Sub_Dpt_Description == x),'Week'].unique() df1.loc[df1['Week'].isin(yes_weeks) & df1['Sub_Dpt_Description'] == x, 'Discount_SubDpt'] = 'Yes'
3 回答
牧羊人nacy
TA貢獻1862條經驗 獲得超7個贊
當Discount為“ Yes”時，您可以執行GroupBy映射('Week', 'Sub_Dpt')到的列表'Product'。
然后使用列表推導來檢查是否有折扣產品存在問題。最后，將布爾序列結果映射到“是” /“否”。
來自@SahilPuri的數據。
# GroupBy only when Discount == Yes
g = df1[df1['Discount'] == 'Yes'].groupby(['Week', 'Sub_Dpt'])['Product'].unique()
# calculate index by row
idx = df1.set_index(['Week', 'Sub_Dpt']).index
# construct list of Booleans according to criteria
L = [any(x for x in g.get(i, []) if x!=j) for i, j in zip(idx, df1['Product'])]
# map Boolean to strings
df1['Discount_SubDpt'] = pd.Series(L).map({True: 'Yes', False: 'No'})
print(df1)
Product Week Sub_Dpt Discount Discount_SubDpt
0 A 1 Toys Yes No
1 A 2 Toys No Yes
2 A 3 Toys No No
3 A 4 Toys Yes Yes
4 B 1 Toys No Yes
5 B 2 Toys Yes No
6 B 3 Toys No No
7 B 4 Toys Yes Yes
8 C 1 Candy No No
9 C 2 Candy No No
10 C 3 Candy Yes No
11 C 4 Candy Yes No
12 D 1 Candy No No
13 D 2 Candy No No
14 D 3 Candy No Yes
15 D 4 Candy No Yes
紅顏莎娜
TA貢獻1842條經驗 獲得超13個贊
好的，這可能無法很好地擴展，但應該易于閱讀。
df1 = pd.DataFrame(data= [[ 'A', 1, 'Toys', 'Yes', ],
[ 'A', 2, 'Toys', 'No', ],
[ 'A', 3, 'Toys', 'No', ],
[ 'A', 4, 'Toys', 'Yes', ],
[ 'B', 1, 'Toys', 'No', ],
[ 'B', 2, 'Toys', 'Yes', ],
[ 'B', 3, 'Toys', 'No', ],
[ 'B', 4, 'Toys', 'Yes', ],
[ 'C', 1, 'Candy', 'No', ],
[ 'C', 2, 'Candy', 'No', ],
[ 'C', 3, 'Candy', 'Yes', ],
[ 'C', 4, 'Candy', 'Yes', ],
[ 'D', 1, 'Candy', 'No', ],
[ 'D', 2, 'Candy', 'No', ],
[ 'D', 3, 'Candy', 'No', ],
[ 'D', 4, 'Candy', 'No', ],], columns=['Product', 'Week', 'Sub_Dpt', 'Discount'])
df2 = df1.set_index(['Product', 'Week', 'Sub_Dpt'])
products = df1.Product.unique()
df1['Discount_SubDpt'] = df1.apply(lambda x: 'Yes' if 'Yes' in df2.loc[(list(products[products != x['Product']]), x['Week'], x['Sub_Dpt']), 'Discount'].tolist() else 'No', axis=1)
第一步創建一個Multindex數據框。
接下來，我們獲得所有產品的清單
接下來，對于每一行，我們取出同一周和子部門并刪除產品。
在此列表中，如果有折扣，我們選擇“是”，否則選擇“否”
編輯1：
如果您不想創建另一個數據框（節省內存，但是會慢一些）
df1['Discount_SubDpt'] = df1.apply(lambda x: 'Yes' if 'Yes' in df1.loc[(df1['Product'] != x['Product']) & (df1['Week'] == x['Week']) & (df1['Sub_Dpt'] == x['Sub_Dpt']), 'Discount'].tolist() else 'No', axis=1)
添加回答
舉報
0/150
提交
取消