如何根据熊猫中的条件将列值分配到另一列

Question

我有一个小数据框。下面给出一个例子。

+-------+---------+---------+------+----------+  
| code  | surplus | deficit | gone | has come |  
+-------+---------+---------+------+----------+
| 0100  |    1000 |       0 |      |          |
| 0103  |       0 |     100 |      |          |
| 0104  |       0 |     600 |      |          |
| 0190  |       0 |       0 |      |          |
| 0191  |       0 |     800 |      |          |
| 0192  |     500 |       0 |      |          |
| 0193  |     700 |       0 |      |          |
| 0194  |       0 |     300 |      |          |
| 0195  |       0 |       0 |      |          |
+-------+---------+---------+------+----------+

我需要将surplus 列中的数据分布，以便覆盖deficit 列中的数据。在gone 列中写下我从surplus 列中获得了多少，在has come 列中写下我为填补赤字增加了多少。从surplus 列中，我将数据作为值减少。并且总是从最大的赤字开始。

在我的示例中，它将如下所示：

为了弥补最大的赤字（在示例中这是800），我将部分价值分配给1000。

为了弥补下一个赤字（在示例中为600），我从值1000 中取出余数，然后从值700 中取出400。

为了弥补300 的不足，我取了700 的剩余部分。

最后，为了弥补赤字100，我参与了价值500。

结果应该是下一个数据帧：

+------+---------+---------+------+----------+
| code | surplus | deficit | gone | has come |
+------+---------+---------+------+----------+
| 0100 |    1000 |       0 | 1000 |        0 |
| 0103 |       0 |     100 |    0 |      100 |
| 0104 |       0 |     600 |    0 |      600 |
| 0190 |       0 |       0 |    0 |        0 |
| 0191 |       0 |     800 |    0 |      800 |
| 0192 |     500 |       0 |  100 |        0 |
| 0193 |     700 |       0 |  700 |        0 |
| 0194 |       0 |     300 |    0 |      300 |
| 0195 |       0 |       0 |    0 |        0 |
+------+---------+---------+------+----------+

surplus 和 deficit 列中的值可以不同。

我想不出这个任务的算法。如果有任何想法，我将不胜感激。

Answer 1

恐怕我不了解 pandas，所以我无法给出答案的细节，但这是一个我认为可以正常工作的通用算法。由您决定将其与 pandas API 进行匹配。

对于“来了”一栏：

• 按不足对条目进行排序（降序）
• 计算此排序列表中赤字条目的累积总和
• 用 sum(surplus) 绑定，即创建一个列 max(cumsum(deficit), sum(surplus))
• 现在做每一项与下一项的区别（我认为这是 pandas.Series.diff 方法？），使用 0 作为第“-1”项（也许你必须添加一个虚拟行？）。这是你的“已经到来”的价值

对于“来了”列（如果sum(surplus) >= sum(deficit)）：

• 在这种情况下，您只需为所有行设置 "has come" = "deficit"，这将比上述计算更快
• 但如果您不明确检查这种情况，上述计算仍然有效

对于“gone”列：只需执行与上述完全相同的操作，颠倒“deficit”和“surplus”即可。

编辑：在您的示例中，消失的列是棘手的，因为在这种情况下 sum(deficit)

sum(surplus) = 2200
sum(deficit) = 1800

+------+---------+---------+-----------------+-----------------------------------+----------------+
| code | surplus | deficit | cumsum(surplus) | max(cumsum(surplus),sum(deficit)) | diff(prev row) |
+------+---------+---------+-----------------+-----------------------------------+----------------+
| NaN  |       0 |       0 |               0 |                                 0 |           NaN  |
| 0100 |    1000 |       0 |            1000 |                              1000 |           1000 |
| 0193 |     700 |       0 |            1700 |                              1700 |           700  |
| 0192 |     500 |       0 |            2200 |                              1800 |           100  |
| 0191 |       0 |     800 |            2200 |                              1800 |           0    |
| 0103 |       0 |     100 |            2200 |                              1800 |           0    |
| 0104 |       0 |     600 |            2200 |                              1800 |           0    |
| 0190 |       0 |       0 |            2200 |                              1800 |           0    |
| 0194 |       0 |     300 |            2200 |                              1800 |           0    |
| 0195 |       0 |       0 |            2200 |                              1800 |           0    |
+------+---------+---------+-----------------+-----------------------------------+----------------+

最后一列是您想要的结果。请注意，我在开头添加了一个虚拟行，以便我可以计算成对差异。事实证明，shift() 是计算该列所需的关键方法；见this question

编辑 2：我认为添加替代解决方案可能值得。这有点难以理解，但它可能更容易实现，因为您不需要摆弄额外的虚拟行。

• 和以前一样：按不足对条目进行排序（降序）
• 和以前一样：计算此排序列表中赤字条目的累积总和
• 新增：查找累积总和大于盈余总和的第一行的索引（我不知道在 pandas 中得到这个有多容易）。我们称之为i（如果不存在这样的行，则使用i=Inf）。
• 对于该索引之前的所有行（即df[:i]），设置“has come”=“deficit”
• 对于该索引之后的所有行（即df[i+1:]），设置“has come”=0
• 对于该行（即df[i]，如果i 存在），将“已经来”设置为：
  • has come = sum(surplus) - (cumsum(deficit) - deficit)
  • （顺便说一句，(cumsum(deficit) - deficit) 实际上等于上一行的 cumsum(deficit)，如果这是第一行，则为 0。）

Answer 2

对于“如何根据 pandas 中的条件将列值分配到其他列？”的问题也许功能 np.where 是您正在寻找的：

import numpy as np
import pandas as pd 

# df[Column title] = np.where ( condition on this line, if condition true then value to assign, else value to assign)
df["gone"] = np.where((df["surplus"] - df["deficit"]) > 0 , df["surplus"] - df["deficit"] , 0)
df["has come"] = np.where((df["surplus"] - df["deficit"]) < 0 , 0, df["deficit"] - df["surplus"] )