Python SQL等效于更新，其中分组依据

尽管我一直在寻找这个问题，但我找不到正确的方法让这个查询在pandas中工作

update product
  set maxrating = (select max(rating)
                   from rating
                   where source = 'customer'
                     and product.sku = rating.sku
                   group by sku)
  where maxrating is null;

熊猫

product = pd.DataFrame({'sku':[1,2,3],'maxrating':[0,0,1]})
rating = pd.DataFrame({'sku':[1,1,2,3,3],'rating':[2,5,3,5,4],'source':['retailer','customer','customer','retailer','customer']})
expected_result = pd.DataFrame({'sku':[1,2,3],'maxrating':[5,3,1]})

SQL

---

如何做到这一点？

您可以执行以下操作：

In [127]: df = pd.merge(rating, product, on='sku')

In [128]: df1 = df[df['maxrating'] == 0].groupby('sku').agg({'rating': np.max}).reset_index().rename(columns={'rating': 'maxrating'})

In [129]: df2 = df[df['maxrating'] != 0][['sku', 'maxrating']].drop_duplicates(keep='first')

In [131]: pd.concat([df1, df2])
Out[131]: 
   sku  maxrating
0    1          5
1    2          3
3    3          1

In [132]: expected_result
Out[132]: 
   sku  maxrating
0    1          5
1    2          3
2    3          1

基本上，我合并两个数据帧，然后提取需要处理的行（那些没有maxrating的行），并找到它们的实际最大评级

完成后，我将结果与我排除的行（那些具有maxrating的行）连接起来，并最终得到预期的结果。

所有这些都在一起 首先，让我们从空开始，而不是从零开始

product.maxrating = product.maxrating.replace(0, np.nan)
product

然后识别缺失的

“sku”

，并在

分组依据中使用它们来计算
缺失最大值

missing = product.loc[product.maxrating.isnull(), 'sku']
missingmax = rating.groupby(missing, as_index=False).rating.agg({'maxrating': 'max'})

missingmax


使用
更新

product.update(missingmax)
product

试试这个：

In [220]: product.ix[product.maxrating == 0, 'maxrating'] = product.sku.map(rating.groupby('sku')['rating'].max())

In [221]: product
Out[221]:
   maxrating  sku
0          5    1
1          3    2
2          1    3

或使用通用遮罩：

In [222]: mask = (product.maxrating == 0)

In [223]: product.ix[mask, 'maxrating'] = product.ix[mask, 'maxrating'].map(rating.groupby('sku')['rating'].max())

In [224]: product
Out[224]:
   maxrating  sku
0          5    1
1          3    2
2          1    3

哇！那正是我想要的，非常感谢！现在，我只需要找出是否可以对map方法使用多列而不是一系列，否则我将只使用计算列。@ArthurBurkhardt，不客气！我建议你用一个样本和所需的数据集来回答一个新问题。当你问这个问题时，你做得非常好——如果我们有生成输入和所需数据集的代码，那么SO社区就更容易找到答案
In [220]: product.ix[product.maxrating == 0, 'maxrating'] = product.sku.map(rating.groupby('sku')['rating'].max())

In [221]: product
Out[221]:
   maxrating  sku
0          5    1
1          3    2
2          1    3

In [222]: mask = (product.maxrating == 0)

In [223]: product.ix[mask, 'maxrating'] = product.ix[mask, 'maxrating'].map(rating.groupby('sku')['rating'].max())

In [224]: product
Out[224]:
   maxrating  sku
0          5    1
1          3    2
2          1    3