假設我有一個這樣的數據框df_test = pd.DataFrame({"ID": [912665, 455378, 938724, 557830 ], "NAME": ["Anna","Anna","Diana","Peter" ], "LAST_NAME": ["Johns","Johns","Scott","Scott" ], "ADDRESS": ["Address1","Address2","Address3","Address3"], "PHONE": ['0000000001','0000000001','0000000002','0000000002' ], "ngroup": [0, 0,1,1]} )df_test結果ngroup 列中有兩組 - 0 和 1在每個組中，我想對一些列（如 NAME、LAST_NAME、ADDRESS）進行比較，并給出一個名為 Rate 的新列，它根據這些行是否相同給我一個分數。例如對于第 0 組，我們可以獲得如下比率：5（因為姓名相同）+ 30（因為姓氏相同）+ 0（因為地址不同）+ 50（因為電話相同）= 85對于第 1 組：0 + 30 + 15 + 30 = 75迭代這些行并獲取新列 Rate 并將其添加到當前數據幀的最佳方法是什么？我正在嘗試一些不同的事情，但目前無法獲得任何可行的解決方案。
2 回答
30秒到達戰場
TA貢獻1828條經驗 獲得超6個贊
實際上，沒有必要遍歷組行。
任務是應用一個函數來計算每個組的比率。
需要的第一個組件是 lambda 函數，應用于組（Numpy一維數組）中的每一列，檢查所有元素是否相同。實際上，它檢查元素0是否等于從1開始的所有元素并返回1（作為True）或0作為（False）。
lambda v: (v[0] == v[1:]).all().astype(int)
那么概念就是：
grp.values- 將當前組轉換為Numpy數組。[:, 1:-1]- 刪除第一個 ( ID ) 和最后一個 ( ngroup ) 列。apply_along_axis(...)- 將上述功能應用于每個剩余的列。參數0是軸號（將函數應用于每個列切片）。結果是一個由 1 或 0 組成的向量。... * [5, 30, 15, 50]- 將上述向量乘以每列的權重，得到列評級。np.sum(...)- 對它們求和，得到整體組率。
這樣做的代碼是：
def getRate(grp):
return np.sum(np.apply_along_axis(lambda v: (v[0] == v[1:]).all().astype(int),
0, grp.values[:, 1:-1]) * [5, 30, 15, 50])
然后將上述函數應用于每個組：
df_test.groupby('ngroup').apply(getRate)
結果是：
ngroup
0 85
1 95
dtype: int64
請注意，第1組的結果是0 * 5 + 1 * 30 + 1 * 15 + 1 * 50 = 95，而不是您帖子中的75，因為PHONE列的權重為50 （請參見示例的第 1 點）。
藍山帝景
TA貢獻1843條經驗 獲得超7個贊
IIUC，您可以創建一個包含列名稱的速率字典，然后是stack您map的值，同時僅對重復值求和。
rates = {'NAME' : 5, 'LAST_NAME' : 30, 'ADDRESS' : 0 ,'PHONE' : 50 }
s = df.groupby('ngroup').agg(list).stack().explode().duplicated().to_frame()
s['vals'] = s.index.get_level_values(1).map(rates)
s[s[0].eq(True)].groupby(level=0).sum()
0 vals
ngroup
0 3.0 85.0
1 4.0 130.0
添加回答
舉報
0/150
提交
取消