Pandas / Python 中的数据校正

Question

我需要使用从数据帧的子集计算出的值来更新 df 子集的数据。

人员NR	XYZ	日期	价值
22222	a	一月	0,8
22222	b	一月	0,2
22222	a	二月	0,8
22222	b	二月	0,2

我有一个大约 8000 PERSNR 的数据框，看起来像这样，只是有更多的列

对于我已经知道的子集（我有一个 PERSNR 列表来过滤它），我需要将值添加在一起，忽略 XYZ

我可以用pivot_table做到这一点，并且可以从中得到另一个df。

我遇到的问题是，我需要随后更新原始 DF 中的值。

我的目标是获得以下内容而不丢失我的 DF 的任何其他数据。

人员NR	XYZ	日期	价值
22222	a	一月	1,0
22222	b	一月	0,0

在 Excel 中，我会对我的 PERSNR、XYZ 和日期的值列进行求和。

然后我将在“值”列中用 vlookup 替换我的值，并用零覆盖标识符 XYZ“b”的值。这将永远为零。

关于如何做到这一点有什么建议吗？

提前致谢

迈克

Answer 1

假设有这样的数据框：

data = {
    "PERSNR": [22222, 22222, 22222, 22222, 55555, 55555],
    "XYZ": ["a", "b", "a", "b", "a", "b"],
    "DATE": ["Jan", "Jan", "Feb", "Feb", "Jan", "Jan"],
    "VALUE": [0.8, 0.2, 0.8, 0.2, 0.8, 0.2],
}

   PERSNR XYZ DATE  VALUE
0   22222   a  Jan    0.8
1   22222   b  Jan    0.2
2   22222   a  Feb    0.8
3   22222   b  Feb    0.2
4   55555   a  Jan    0.8
5   55555   b  Jan    0.2

1. 合并两个数据框：(i) 原始减号列

   VALUE

   和 (ii) 在

   PERSNR

   上分组的数据框（假设有多个值；否则，该列不是必要）和

   DATE

   ，然后将每组中的

   VALUE

   相加并重置索引。

2. 使用

   VALUE

   设置列

   0

   ，其中

   df["XYZ"] == "b"

   。

3. 使用

   .loc

   仅对选定的

   PERSNR

   值执行前面的步骤。

selected_persnr = [22222]  # add all selected values here

df.loc[df["PERSNR"].isin(selected_persnr)] = pd.merge(
    df.drop(columns="VALUE"),
    df.groupby(["PERSNR", "DATE"])["VALUE"].sum().reset_index(),
)
df.loc[(df["PERSNR"].isin(selected_persnr)) & (df["XYZ"] == "b"), "VALUE"] = 0

   PERSNR XYZ DATE  VALUE
0   22222   a  Jan    1.0
1   22222   b  Jan    0.0
2   22222   a  Feb    1.0
3   22222   b  Feb    0.0
4   55555   a  Jan    0.8
5   55555   b  Jan    0.2