Как я могу изменить значения столбца, если номер группы больше N?
Мой фрейм данных:
import pandas as pd
df = pd.DataFrame(
{
'a': ['a', 'a', 'a', 'b', 'c', 'x', 'j', 'w'],
'b': [1, 1, 1, 2, 2, 3, 3, 3],
}
)
Ожидаемый результат — изменение столбца a:
a b
0 a 1
1 a 1
2 a 1
3 NaN 2
4 NaN 2
5 NaN 3
6 NaN 3
7 NaN 3
Логика:
Группы основаны на b. Если для группы df.a.nunique() > 1, то df.a == np.nan.
Это моя попытка. Это работает, но мне интересно, есть ли однострочный/более эффективный способ сделать это:
df['x'] = df.groupby('b')['a'].transform('nunique')
df.loc[df.x > 1, 'a'] = np.nan
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
2
0
74
4
Перейти к ответу
Данный вопрос помечен как решенный
Ответы 4
Возможное решение:
g = df.groupby('b')
pd.concat(
[y if y['a'].eq(y['a'].iloc[0]).all()
else y.assign(a = np.nan)
for _, y in g])
Выход:
a b
0 a 1
1 a 1
2 a 1
3 NaN 2
4 NaN 2
5 NaN 3
6 NaN 3
7 NaN 3
Один вкладыш с использованием .where в столбце «a», чтобы установить значение np.nan, если nunique != 1:
df["a"] = df["a"].where(df.groupby("b")["a"].transform("nunique") == 1, np.nan)
Выход:
a b
0 a 1
1 a 1
2 a 1
3 NaN 2
4 NaN 2
5 NaN 3
6 NaN 3
7 NaN 3
Ответ принят как подходящий
Более эффективно, чем группировать по , использовать дублированный с keep=False и логическое индексирование:
df.loc[~df[['a', 'b']].duplicated(keep=False), 'a'] = float('nan')
Если вы действительно хотите использовать groupby.transform:
df.loc[df.groupby('b')['a'].transform('nunique')>1, 'a'] = float('nan')
Выход:
a b
0 a 1
1 a 1
2 a 1
3 NaN 2
4 NaN 2
5 NaN 3
6 NaN 3
7 NaN 3
Я бы использовал простой .loc:
df.loc[df.groupby("b")["a"].transform("nunique").ne(1), "a"] = np.nan
print(df)
Распечатки:
a b
0 a 1
1 a 1
2 a 1
3 NaN 2
4 NaN 2
5 NaN 3
6 NaN 3
7 NaN 3
Другие вопросы по теме
Эффективно удалять строки из pandas df на основе второго последнего времени в столбце
Pandas фильтрует строки данных по дате и времени
Получение ошибки при попытке установить Pandas с помощью pip
Как пройти и создать сумму ролловера в Python?
Как я могу объединить несколько файлов CSV в один лист Excel с помощью Python?
Панды читают XML-файл с назначенным типом данных
Как я могу использовать groupby, чтобы каждая группа группировалась с предыдущей перекрывающейся группой?
Присоедините два кадра данных Pandas на основе нескольких условий
Кадр данных со столбцами FROM и TO. Неупорядоченный, получите правильные комбинации
Вычитание серии панд из всех элементов другой серии панд с общим идентификатором
Похожие вопросы
Настройка цветовых карт для геопостроения
Как создать декоратор для получения выходной информации о входных и выходных аргументах в Python?
Выбор между выходом и addfinalizer в pytest. Исправления для демонтажа
Как управлять несколькими виртуальными средами Python в одном проекте VS Code?
Подсказки по типу для декораторов
Эффективно удалять строки из pandas df на основе второго последнего времени в столбце
AttributeError: `np.string_` был удален в версии NumPy 2.0. Вместо этого используйте `np.bytes_`. Вы имели в виду: «строки»?
Заменить подстроки в списке строк, используя словарь в Python
Pandas фильтрует строки данных по дате и времени
Как эффективно устанавливать значения столбцов на основе нескольких других столбцов