pandas 将DataFrame组的最后一个值分配给该组的所有子组

qyuhtwio  于 2023-11-15  发布在  其他
关注(0)|答案(3)|浏览(125)

在Python Pandas中,我有一个DataFrame。我将这个DataFrame按列分组,并希望将一列的最后一个值分配给另一列的所有行。
我知道我可以通过以下命令选择组的最后一行:

import pandas as pd

df = pd.DataFrame({'a': (1,1,2,3,3), 'b':(20,21,30,40,41)})
print(df)
print("-")
result = df.groupby('a').nth(-1)
print(result)

字符串
测试结果:

a   b
0  1  20
1  1  21
2  2  30
3  3  40
4  3  41
-
    b
a    
1  21
2  30
3  41


如何将这个操作的结果赋值回原始的嵌套框架,这样我就有了这样的东西:

a   b b_new
0  1  20 21
1  1  21 21
2  2  30 30
3  3  40 41
4  3  41 41

baubqpgj

baubqpgj1#

使用transformlast

df['b_new'] = df.groupby('a')['b'].transform('last')

字符串
备选方案:

df['b_new'] = df.groupby('a')['b'].transform(lambda x: x.iat[-1])

print(df)
   a   b  b_new
0  1  20     21
1  1  21     21
2  2  30     30
3  3  40     41
4  3  41     41


使用nthjoin的解决方案:

df = df.join(df.groupby('a')['b'].nth(-1).rename('b_new'), 'a')
print(df)
   a   b  b_new
0  1  20     21
1  1  21     21
2  2  30     30
3  3  40     41
4  3  41     41

时间

N = 10000

df = pd.DataFrame({'a':np.random.randint(1000,size=N),
                   'b':np.random.randint(10000,size=N)})

#print (df)

def f(df):
    return df.join(df.groupby('a')['b'].nth(-1).rename('b_new'), 'a')

#cᴏʟᴅsᴘᴇᴇᴅ1
In [211]: %timeit df['b_new'] = df.a.map(df.groupby('a').b.nth(-1))
100 loops, best of 3: 3.57 ms per loop

#cᴏʟᴅsᴘᴇᴇᴅ2
In [212]: %timeit df['b_new'] = df.a.replace(df.groupby('a').b.nth(-1))
10 loops, best of 3: 71.3 ms per loop

#jezrael1
In [213]: %timeit df['b_new'] = df.groupby('a')['b'].transform('last')
1000 loops, best of 3: 1.82 ms per loop

#jezrael2
In [214]: %timeit df['b_new'] = df.groupby('a')['b'].transform(lambda x: x.iat[-1])
10 loops, best of 3: 178 ms per loop
    
#jezrael3
In [219]: %timeit f(df)
100 loops, best of 3: 3.63 ms per loop

注意事项

结果并没有解决给定组数量的性能问题,这将对其中一些解决方案的计时产生很大影响。

a11xaf1n

a11xaf1n2#

两种可能性,groupby + nth + mapreplace

df['b_new'] = df.a.map(df.groupby('a').b.nth(-1))

字符串
或者,

df['b_new'] = df.a.replace(df.groupby('a').b.nth(-1))


您也可以将nth(-1)替换为last()(实际上,这样做会使速度更快),但是nth为您提供了从b中的每个组中选择哪些项的更大灵活性。

df

   a   b  b_new
0  1  20     21
1  1  21     21
2  2  30     30
3  3  40     41
4  3  41     41

7gcisfzg

7gcisfzg3#

我想这应该很快

df.merge(df.drop_duplicates('a',keep='last'),on='a',how='left')
Out[797]: 
   a  b_x  b_y
0  1   20   21
1  1   21   21
2  2   30   30
3  3   40   41
4  3   41   41

字符串

相关问题