Python 如何将groupby（）.transform（）转换为特定的行值，而不是像min（）这样的函数结果？

我有一个熊猫数据帧

df1

，看起来像这样：

输入：

Shop               Item  Card   Price
Butcher            A     AMEX   1.5
Butcher            A     VISA   0.9
Baker              B     AMEX   2.5
Baker              B     VISA   3.5
Candlestick maker  C     AMEX   1.5
Candlestick maker  C     VISA   1.5

Shop              Item Card  Price  Price with VISA
Butcher           A    AMEX  1.5    0.9
Butcher           A    VISA  0.9    0.9
Baker             B    AMEX  2.5    3.5
Baker             B    VISA  3.5    3.5
Candlestick maker C    AMEX  1.5    1.5
Candlestick maker C    VISA  1.5    1.5

我知道

df1.groupby（[“Shop”]）['Price'].transform（min）

会给我一列

df1.Price的
min（）

但是，我想转换为VISA支付所达到的
价格，以便将折扣与
卡中的所有其他值进行比较。如您所见，这并不总是
min（）
，也不总是
max（）

所需输出：

Shop               Item  Card   Price
Butcher            A     AMEX   1.5
Butcher            A     VISA   0.9
Baker              B     AMEX   2.5
Baker              B     VISA   3.5
Candlestick maker  C     AMEX   1.5
Candlestick maker  C     VISA   1.5

Shop              Item Card  Price  Price with VISA
Butcher           A    AMEX  1.5    0.9
Butcher           A    VISA  0.9    0.9
Baker             B    AMEX  2.5    3.5
Baker             B    VISA  3.5    3.5
Candlestick maker C    AMEX  1.5    1.5
Candlestick maker C    VISA  1.5    1.5

我目前的解决方案是基于
for
循环的
，并且公认是丑陋而漫长的：

for shop in df1.Shop.unique().tolist():
    df_target = df1[df1.Shop == shop]
    ...

必须有一种更有效的方法（即单班轮）

如何将groupby（）.transform（）转换为特定的行值，而不是像min（）这样的函数结果？


编辑：请注意，并非所有
Shop
项目都提供
VISA
付款
我认为需要通过过滤
数据框
-仅
VISA
行：

df1['Price'] = df1['Shop'].map(df1.loc[df1['Card'] == 'VISA'].set_index('Shop')['Price'])

print (df1)
                Shop Item  Card  Price
0            Butcher    A  AMEX    0.9
1            Butcher    A  VISA    0.9
2              Baker    B  AMEX    3.5
3              Baker    B  VISA    3.5
4  Candlestick maker    C  AMEX    1.5
5  Candlestick maker    C  VISA    1.5

详情：

print (df1.loc[df1['Card'] == 'VISA'].set_index('Shop')['Price'])
Shop
Butcher              0.9
Baker                3.5
Candlestick maker    1.5
Name: Price, dtype: float64


如果获得：

InvalidIndexError:重新索引仅对唯一值的索引对象有效

这意味着每组有更多的
VISA
行

溶液为聚合
min
：

print (df1)
                Shop Item  Card  Price
0            Butcher    A  AMEX    1.5
1            Butcher    A  VISA    0.9 <-duplicated row
2            Butcher    A  VISA    1.9 <-duplicated row
3              Baker    B  AMEX    2.5
4              Baker    B  VISA    3.5
5  Candlestick maker    C  AMEX    1.5
6  Candlestick maker    C  VISA    1.5

df1['Price'] = df1['Shop'].map(df1.loc[df1['Card'] == 'VISA'].groupby('Shop')['Price'].min())
print (df1)
                Shop Item  Card  Price
0            Butcher    A  AMEX    0.9
1            Butcher    A  VISA    0.9
2            Butcher    A  VISA    0.9
3              Baker    B  AMEX    3.5
4              Baker    B  VISA    3.5
5  Candlestick maker    C  AMEX    1.5
6  Candlestick maker    C  VISA    1.5

打印（df1）
商店商品卡价格
0 Butcher A美国运通1.5
1屠夫签证0.9是有意义的-在这一刻，我只是得到了一个专栏与南从这个-让我check@sudonym-如果在
map
之后获得
NaN
s，则表示在某些类别中不是
VISA
行。@sudonym-不确定是否理解，在
map
get
NaN
s之后查找缺少的类别。所以需要将所有行更改为
NaN
s吗？例如，如果最后一行
烛台制造商C VISA 1.5 1.5
不存在，输出中需要什么？@sudonym-这很奇怪，
打印（df1.loc[df1['Card']=='VISA'].set_index（'Shop'）['Price']）
返回一些东西？@sudonym如果不存在，可能是
卡片
列中的一些空格，如
'VISA'
？