Pandas: substitution par lots de valeurs de différentes lignes répondant aux mêmes critères

Question

J'ai extrait des données au format pandas à partir d'un serveur sql. La structure comme ceci:

df = pd.DataFrame({'Day':(1,2,3,4,1,2,3,4),'State':('A','A','A','A','B','B','B','B'),'Direction':('N','S','N','S','N','S','N','S'),'values':(12,34,22,37,14,16,23,43)}) 

>>> df 
    Day Direction State values 
0 1   N  A  12 
1 2   S  A  34 
2 3   N  A  22 
3 4   S  A  37 
4 1   N  B  14 
5 2   S  B  16 
6 3   N  B  23 
7 4   S  B  43 

Maintenant, je veux remplacer toutes les valeurs avec le même jour et même direction, mais avec (Etat == A) par lui-même + les valeurs de même jour et même État, mais avec (Etat == B). Par exemple, comme ceci:

df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'] = df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'].values + df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'B'),'values'].values 

>>> df 
    Day Direction State values 
0 1   N  A  26 
1 2   S  A  34 
2 3   N  A  22 
3 4   S  A  37 
4 1   N  B  14 
5 2   S  B  16 
6 3   N  B  23 
7 4   S  B  43 

Notez les premières valeurs de ligne ont été modifiées de 12 à 26 (12 + 14) Puisque les valeurs sont de différentes lignes, donc un peu difficile à utiliser des fonctions combine_first?

Maintenant, je dois utiliser deux boucles (sur 'Day' et sur 'Direction') et la phrase d'attribution ci-dessus à faire, c'est extrêmement lent quand la dataframe devient grande. Avez-vous un moyen intelligent et efficace de le faire?

Answer 1

Vous pouvez d'abord définir une fonction pour ajouter des valeurs de B à A dans le même groupe. Ensuite, appliquez cette fonction à chaque groupe.

def f(x): 
    x.loc[x.State=='A','values']+=x.loc[x.State=='B','values'].iloc[0] 
    return x 

df.groupby(['Day','Direction']).apply(f) 
Out[94]: 
    Day Direction State values 
0 1   N  A  26 
1 2   S  A  50 
2 3   N  A  45 
3 4   S  A  80 
4 1   N  B  14 
5 2   S  B  16 
6 3   N  B  23 
7 4   S  B  43