我有一個如下所示的數據框 dfNode COMMODITY_CODE DAY Capacity_Case Capacity_Delivery case_ratio deliveries_ratio window_count7014.0 SCFZ 1 26610.0 12.0 0.357854 0.354839. 37014.0 SCFZ 2 25551.0 11.0 0.457945 0.423077 37014.0 SCFZ 3 30669.0 13.0 0.283379 0.258621 37030.0 SCDD 1 34244.0 16.0 0.316505 0.300000 47030.0 SCDD 2 25954.0 13.0 0.236513 0.232558 4我想按 Node、DAY、COMMODITY_CODE 進行分組，并應用 ifelse 函數來估算空記錄的值。這里我的條件如下：對于組（節點、DAY、COMMODITY_CODE）如果 Delivery_ratio 為空，那么我想用組的mean(delivery_ratio) 替換并將其分配給delivery_ratio_filled如果 case_ratio 為空，那么我想用組的mean(case_ratio) 替換并將其分配給case_ratio_filled如果對于組(Node, DAY, COMMODITY_CODE)，Delivery_ratio_filled 為 null，則為其分配 1/window_count 值case_ratio_filled 為 null，則為其分配 1/window_count我已經使用 dplyr 包在 R 中輕松完成了此任務，我基本上希望使用 pandas 在 Python 中實現相同的功能。df %>%group_by(Node, DAY_OF_WK, COMMODITY_CODE) %>% mutate(delivery_ratio_filled = ifelse(!is.na(delivery_ratio), delivery_ratio, mean(delivery_ratio)), case_ratio_filled = ifelse(!is.na(case_ratio), case_ratio, mean(case_ratio))) %>% mutate(delivery_ratio_filled = ifelse(!is.na(delivery_ratio_filled), delivery_ratio_filled, 1.0 / window_count), case_ratio_filled = ifelse(!is.na(case_ratio_filled), case_ratio_filled, 1.0 / window_count))
2 回答
當年話下
TA貢獻1890條經驗 獲得超9個贊
不幸的是，示例輸入數據不包含na將被計算值替換的值（或大于一項的組）。因此，新列是原始列的簡單副本。
第一個條件可以測試并np.where應用于每一行transform
df[['delivery_ratio_filled','case_ratio_filled']] = (
? ? df.groupby(['Node', 'DAY', 'COMMODITY_CODE'])[['deliveries_ratio','case_ratio']]
? ? ? .transform(
? ? ? ? lambda x: np.where(x.isna(), x.mean(), x)))
第二個條件不需要分組
df['delivery_ratio_filled'] = (
? np.where(df['delivery_ratio_filled'].isna(),
? ? ? ? ? ?1 / df['window_count'],
? ? ? ? ? ?df['delivery_ratio_filled']))
df['case_ratio_filled'] = (
? np.where(df['case_ratio_filled'].isna(),
? ? ? ? ? ?1 / df['window_count'],
? ? ? ? ? ?df['case_ratio_filled']))
df
出去：
? ? ?Node COMMODITY_CODE? ...? delivery_ratio_filled? case_ratio_filled
0? 7014.0? ? ? ? ? ?SCFZ? ...? ? ? ? ? ? ? ?0.354839? ? ? ? ? ?0.357854
1? 7014.0? ? ? ? ? ?SCFZ? ...? ? ? ? ? ? ? ?0.423077? ? ? ? ? ?0.457945
2? 7014.0? ? ? ? ? ?SCFZ? ...? ? ? ? ? ? ? ?0.258621? ? ? ? ? ?0.283379
3? 7030.0? ? ? ? ? ?SCDD? ...? ? ? ? ? ? ? ?0.300000? ? ? ? ? ?0.316505
4? 7030.0? ? ? ? ? ?SCDD? ...? ? ? ? ? ? ? ?0.232558? ? ? ? ? ?0.236513
夢里花落0921
TA貢獻1772條經驗 獲得超6個贊
也可以用dplyrpython的方式實現：
>>> from datar.all import f, tribble, group_by, mutate, if_else, is_na, mean
>>>?
>>> df = tribble(
...? ? ?f.Node, f.COMMODITY_CODE, f.DAY, f.Capacity_Case,? f.Capacity_Delivery, f.case_ratio, f.delivery_ratio,? f.window_count,
...? ? ?7014.0, "SCFZ",? ? ? ? ? ?1,? ? ?26610.0,? ? ? ? ? 12.0,? ? ? ? ? ? ? ? 0.357854,? ? ?0.354839,? ? ? ? ? 3,
...? ? ?7014.0, "SCFZ",? ? ? ? ? ?2,? ? ?25551.0,? ? ? ? ? 11.0,? ? ? ? ? ? ? ? 0.457945,? ? ?0.423077,? ? ? ? ? 3,
...? ? ?7014.0, "SCFZ",? ? ? ? ? ?3,? ? ?30669.0,? ? ? ? ? 13.0,? ? ? ? ? ? ? ? 0.283379,? ? ?0.258621,? ? ? ? ? 3,
...? ? ?7030.0, "SCDD",? ? ? ? ? ?1,? ? ?34244.0,? ? ? ? ? 16.0,? ? ? ? ? ? ? ? 0.316505,? ? ?0.300000,? ? ? ? ? 4,
...? ? ?7030.0, "SCDD",? ? ? ? ? ?2,? ? ?25954.0,? ? ? ? ? 13.0,? ? ? ? ? ? ? ? 0.236513,? ? ?0.232558,? ? ? ? ? 4,
... )? ??
>>>?
>>>?
>>> df >> \
...? ? ?group_by(f.Node, f.DAY, f.COMMODITY_CODE) >> \
...? ? ?mutate(delivery_ratio_filled = if_else(~is_na(f.delivery_ratio),
...? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? f.delivery_ratio,?
...? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? mean(f.delivery_ratio)),
...? ? ? ? ? ? case_ratio_filled = if_else(~is_na(f.case_ratio),
...? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? f.case_ratio,?
...? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? mean(f.case_ratio))) >> \
...? ? ?mutate(delivery_ratio_filled = if_else(~is_na(f.delivery_ratio_filled),
...? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? f.delivery_ratio_filled,
...? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1.0 / f.window_count),
...? ? ? ? ? ? case_ratio_filled = if_else(~is_na(f.case_ratio_filled),
...? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? f.case_ratio_filled,
...? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 1.0 / f.window_count))
? ? ? ?Node COMMODITY_CODE? ? ?DAY? Capacity_Case? Capacity_Delivery? case_ratio? delivery_ratio? window_count? delivery_ratio_filled? case_ratio_filled
? <float64>? ? ? ?<object> <int64>? ? ? <float64>? ? ? ? ? <float64>? ?<float64>? ? ? ?<float64>? ? ? ?<int64>? ? ? ? ? ? ? <float64>? ? ? ? ? <float64>
0? ? 7014.0? ? ? ? ? ?SCFZ? ? ? ?1? ? ? ? 26610.0? ? ? ? ? ? ? ?12.0? ? 0.357854? ? ? ? 0.354839? ? ? ? ? ? ?3? ? ? ? ? ? ? ?0.354839? ? ? ? ? ?0.357854
1? ? 7014.0? ? ? ? ? ?SCFZ? ? ? ?2? ? ? ? 25551.0? ? ? ? ? ? ? ?11.0? ? 0.457945? ? ? ? 0.423077? ? ? ? ? ? ?3? ? ? ? ? ? ? ?0.423077? ? ? ? ? ?0.457945
2? ? 7014.0? ? ? ? ? ?SCFZ? ? ? ?3? ? ? ? 30669.0? ? ? ? ? ? ? ?13.0? ? 0.283379? ? ? ? 0.258621? ? ? ? ? ? ?3? ? ? ? ? ? ? ?0.258621? ? ? ? ? ?0.283379
3? ? 7030.0? ? ? ? ? ?SCDD? ? ? ?1? ? ? ? 34244.0? ? ? ? ? ? ? ?16.0? ? 0.316505? ? ? ? 0.300000? ? ? ? ? ? ?4? ? ? ? ? ? ? ?0.300000? ? ? ? ? ?0.316505
4? ? 7030.0? ? ? ? ? ?SCDD? ? ? ?2? ? ? ? 25954.0? ? ? ? ? ? ? ?13.0? ? 0.236513? ? ? ? 0.232558? ? ? ? ? ? ?4? ? ? ? ? ? ? ?0.232558? ? ? ? ? ?0.236513
[Groups: Node, DAY, COMMODITY_CODE (n=5)]
添加回答
舉報
0/150
提交
取消