将 GROUPBY 和 np.where 与 Rs 数据表包进行比较答案

【问题标题】：Compare GROUPBY and np.where with Rs datatable package将 GROUPBY 和 np.where 与 Rs 数据表包进行比较
【发布时间】：2021-12-28 14:24:04
【问题描述】：

我正在努力根据带有 groupby 语句的条件在 python 中创建一个新变量。我知道 python 中有一个新的数据表包，但我想探索以下选项。

在 R 中，我做了以下操作：

require(data.table)
id <- c(1,2,3,4,1,5)
units <- c(34, 31, 16, 32, NA, 35)
unitsnew <- c(23, 11, 21, 22, 27, 11)
df = data.table(id, units, unitsnew)
df[, col:= ifelse(is.na(units), min(unitsnew, na.rm = T), units), by = id]

id units unitsnew col
1    34     23    34
2    31     11    31
3    16     21    16
4    32     22    32
1    NA     27    23
5    35     11    35

在 Python 中，

import pandas as pd
import numpy as np
matrix = [(1, 34, 23),
          (2, 31, 11),
          (3, 16, 21),
          (4, 32, 22),
          (1, np.nan, 27),
          (5, 35, 11)]
df = pd.DataFrame(matrix, columns = ['id', 'units', 'unitsnew'])
df.assign(col = np.where(np.isnan(df.units), np.nanmin(df.unitsnew), df.units))

id units unitsnew col
1    34     23    34
2    31     11    31
3    16     21    16
4    32     22    32
1    NA     27    11
5    35     11    35

我不确定在哪里放置 groupby 语句，以便采用每个 id 的最小值。使用R生成所需的输出。在python中，nan值填充为11，因为我未能添加groupby语句。我该如何解决这个问题？谢谢，

【问题讨论】：

标签： python r pandas

【解决方案1】：

首先让我们看看如何使用groupby+transform('min') 获得每组的最小值：

df.groupby('id')['unitsnew'].transform('min')

输出：

0    23
1    11
2    21
3    22
4    23
5    11
Name: unitsnew, dtype: int64

现在我们可以在df['units'].isna()时使用where来赋值上面的值：

df['col'] = df['units'].where(df['units'].notna(),
                              df.groupby('id')['unitsnew'].transform('min'))

输出：

   id  units  unitsnew   col
0   1   34.0        23  34.0
1   2   31.0        11  31.0
2   3   16.0        21  16.0
3   4   32.0        22  32.0
4   1    NaN        27  23.0
5   5   35.0        11  35.0

【讨论】：