Pandas 将流程函数应用于数据帧中的组

我有一个数据帧，如下所示：

df_1 = pd.DataFrame({'X' : ['A','A','A','A','B','B','B'],
                     'Y' : [1,   0,  1,  1,  0,  0,'Nan']})

我想将其按X分组并创建一列Z：

df_2 = pd.DataFrame({'X' : ['A','B'],
                     'Z' : [0.5, 0.5]})

但我想做的一件难以描述的事情是应用这个函数：

def fun(Y,Z):
    if Y == 1:
        Z = Z + 1
    elif Y == 0:
        Z = Z - 1

所以df_1中的第一个Y是a1，也就是a组，所以a组的Z增加到1.5。然后下一个是0，所以它回到0.5，然后还有2个1，所以它最终是2.5

这将给我：

X   Z
A   2.5
B   -1.5

---

您可以修改第一个数据帧，并将

sum

与索引对齐一起使用

• 0->-1

  （找到零时减去1）

• NaN-->0

  （当找到

  NaN

  时保持不变

---

---

您可以修改第一个数据帧，并将

sum

与索引对齐一起使用

• 0->-1

  （找到零时减去1）

• NaN-->0

  （当找到

  NaN

  时保持不变

---

---

如果你的

Y

不是数字，你需要做

df_1.Y=pd.to_numeric（df_1.Y）

对不起，你需要使用

pd.to_numeric（df_1.Y，errors='concure'））

如果您的

Y

不是数字，您需要执行

df_1.Y=pd.to_numeric（df_1.Y）

对不起，您需要使用

pd.to_numeric（df_1.Y，errors='concurve'）

df_1['Y'] = pd.to_numeric(df_1.Y, errors='coerce')

u = df_1.assign(Z=df_1.Y.replace({0: -1, np.nan: 0})).groupby('X')['Z'].sum().to_frame()

df_2 = df_2.set_index('X') + u

     Z
X
A  2.5
B -1.5