Python 如何根据另一列中的值减去df中的行
我试图根据其他列的值计算某些行中的差异 使用下面的示例数据框,我想根据Python 如何根据另一列中的值减去df中的行,python,pandas,loops,Python,Pandas,Loops,我试图根据其他列的值计算某些行中的差异 使用下面的示例数据框,我想根据code列中的值计算Time中的差异。具体来说,我想循环并确定B和A之间的时间差。所以B中的时间-A中的时间 我可以使用iloc函数手动执行此操作,但我希望确定一种更有效的方法。特别是如果我必须重复这个过程很多次 import pandas as pd import numpy as np k = 5 N = 15 d = ({'Time' : np.random.randint(k, k + 100 , size=N),
code
列中的值计算Time
中的差异。具体来说,我想循环并确定B
和A
之间的时间差。所以B中的时间-A中的时间
我可以使用iloc
函数手动执行此操作,但我希望确定一种更有效的方法。特别是如果我必须重复这个过程很多次
import pandas as pd
import numpy as np
k = 5
N = 15
d = ({'Time' : np.random.randint(k, k + 100 , size=N),
'Code' : ['A','x','B','x','A','x','B','x','A','x','B','x','A','x','B']})
df = pd.DataFrame(data=d)
输出:
Code Time
0 A 89
1 x 39
2 B 24
3 x 62
4 A 83
5 x 57
6 B 69
7 x 10
8 A 87
9 x 62
10 B 86
11 x 11
12 A 54
13 x 44
14 B 71
预期产出:
diff
1 -65
2 -14
3 -1
4 17
假设您的
代码是'a',x',B',x'
的重复,您可以使用
>>> (df.Time[df.Code == 'B'].reset_index() - df.Time[df.Code == 'A'].reset_index())[['Time']]
Time
0 -65
1 -14
2 -1
3 17
但请注意,'A'
和'B'
值交替的原始假设似乎很脆弱
如果您希望索引从1到4运行,如您的问题所示,可以将上一个索引分配给diff
,然后使用
diff.index += 1
>>> diff
Time
1 -65
2 -14
3 -1
4 17
首先按过滤,然后按减去,作为对齐系列a
和b
的默认索引,最后如果需要一列DataFrame
添加:
类似的替代解决方案:
a = df.loc[df['Code'] == 'A'].reset_index()['Time']
b = df.loc[df['Code'] == 'B'].reset_index()['Time']
新索引的最后一个从1
addrename
开始:
c = b.sub(a).to_frame('diff').rename(lambda x: x + 1)
print (c)
diff
1 -65
2 -14
3 -1
4 17
如果需要更多差异,另一种方法是通过以下方式重塑:
c = b.sub(a).to_frame('diff')
print (c)
diff
0 -65
1 -14
2 -1
3 17
c = b.sub(a).to_frame('diff').rename(lambda x: x + 1)
print (c)
diff
1 -65
2 -14
3 -1
4 17
df = df.set_index(['Code', df.groupby('Code').cumcount() + 1])['Time'].unstack()
print (df)
1 2 3 4 5 6 7
Code
A 89.0 83.0 87.0 54.0 NaN NaN NaN
B 24.0 69.0 86.0 71.0 NaN NaN NaN
x 39.0 62.0 57.0 10.0 62.0 11.0 44.0
#last remove `NaN`s rows
c = df.loc['B'].sub(df.loc['A']).dropna()
print (c)
1 -65.0
2 -14.0
3 -1.0
4 17.0
dtype: float64
#subtract with NaNs values - fill_value=0 return non NaNs values
d = df.loc['x'].sub(df.loc['A'], fill_value=0)
print (d)
1 -50.0
2 -21.0
3 -30.0
4 -44.0
5 62.0
6 11.0
7 44.0
dtype: float64