如果条件适用，交换dataframe两列的值（Python 3）

我想计算地址1和地址2相似的所有行的countX平均值，或者计算地址值反转的情况下的countX平均值。也就是说，address1=ad3和address2=ad1与address1=ad1和address2=ad3相似

比如说,， 如果输入为（csv文件）：

输出应为：

ID    COUNTX     ADDRESS1     ADDRESS2     AVG_cOUNTX   
1        21       ad3       ad1       21.5
3        23       ad2       ad4       24
5        25       ad1       ad5       24
7        22       ad1       ad4       22
8        21       ad4       ad6       21

我已尝试做以下工作：

使用嵌套循环，当我发现某行的address1\u=另一行的address2\u和某行的address2\u=另一行的address1\u时，交换列值

按地址1和地址2分组并计算平均值

因为我有大量的数据集（100-300万），所以这需要非常高效（我的代码不是这样）

我使用的是Python 3.7和pandas包0.22。

---

任何反馈都将不胜感激。

这里有一种方法。可能还有其他更优雅的解决方案，但这应该可以完成这项工作，并且比嵌套循环更有效

首先创建两个附加列，我们称之为

'ADDRESS\u 1'

和

'ADDRESS\u 2'

。前者将始终包含按字典顺序排列的第一个地址，这样您就可以根据需要在这些新列上对数据进行分组，因为您不再需要担心地址反转被单独处理的情况

df['ADDRESS_1'] = df[['ADDRESS1', 'ADDRESS2']].values.min(axis=1)
df['ADDRESS_2'] = df[['ADDRESS1', 'ADDRESS2']].values.max(axis=1)

然后使用

groupby

：

grouped = df.groupby(['ADDRESS_1', 'ADDRESS_2']).mean()[['COUNTX']].reset_index()

结果:

  ADDRESS_1 ADDRESS_2  COUNTX
0       ad1       ad3    21.5
1       ad1       ad4    22.0
2       ad1       ad5    24.0
3       ad2       ad4    24.0
4       ad4       ad6    21.0

---

这与您的示例输出不同，因为地址顺序丢失，但从您对问题的描述来看，我认为这并不重要。如果不是这样，请在下面发表评论。

订单不重要，非常感谢@thesilkworm

  ADDRESS_1 ADDRESS_2  COUNTX
0       ad1       ad3    21.5
1       ad1       ad4    22.0
2       ad1       ad5    24.0
3       ad2       ad4    24.0
4       ad4       ad6    21.0