将值返回到熊猫 df 中的新列

Question

我有一个 df 的销售数据。我想再添加两列突出显示其他列中的重要值。

目前，我有代码可以在进行销售时将值返回到新列中。因此，如果主题出现在Sales 列中，则相应的值将在新列中建立索引。

import pandas as pd
import numpy as np

a = 5
N = 10

df = pd.DataFrame({
    'Tom_$' : [500, 50, 10, 60, 50, 77, 30, 600, 40, 60],
    'Tom_c' : [100, 20, 40, 50, 0, 67, 90, 100, 0, 0],
    'Code' : ['nan', 'nan', 'Big', 'nan', 'nan', 'Small', 'nan','nan', 'nan','nan'],                                 
    'Sales' : ['nan','nan','Tom','nan','nan','Tom','nan','nan','nan','nan']})


df['Big'] = df.apply(lambda row: row.get(row['Sales']+'_$') if pd.notnull(row['Sales']) else np.nan, axis=1)
df['Small'] = df.apply(lambda row: row.get(row['Sales']+'_c') if pd.notnull(row['Sales']) else np.nan, axis=1)

输出：

    Code  Julie_$  Julie_c  Sales  Tom_$  Tom_c  Dollars  Cents
0    nan      500      300    nan    500    100      NaN    NaN
1    nan       40       20    nan     50     20      NaN    NaN
2    Big       10       70    Tom     10     40     10.0   40.0
3    nan       10       50    nan     60     50      NaN    NaN
4    nan       50       80    nan     50      0      NaN    NaN
5  Small       37       67    Tom     77     67     77.0   67.0
6    nan       30       50    nan     30     90      NaN    NaN
7    Big      900      100  Julie    600    100    900.0  100.0
8    nan       40       40    nan     40      0      NaN    NaN
9    nan       50        0    nan     60      0      NaN    NaN

这很好用，但我想使用Code 列添加另一层。如果此列中的值为Big，我想继续返回销售人员的值，直到有新的销售。如果是Small 我不在乎。

所以输出将是：

    Code  Julie_$  Julie_c  Sales  Tom_$  Tom_c  Dollars  Cents
0    nan      500      300    nan    500    100      NaN    NaN
1    nan       40       20    nan     50     20      NaN    NaN
2    Big       10       70    Tom     10     40     10.0   40.0
3    nan       10       50    nan     60     50     60.0   50.0
4    nan       50       80    nan     50      0     50.0    0.0
5  Small       37       67    Tom     77     67     77.0   67.0
6    nan       30       50    nan     30     90      NaN    NaN
7    Big      900      100  Julie    600    100    900.0  100.0
8    nan       40       40    nan     40      0     40.0    0.0
9    nan       50        0    nan     60      0     60.0    0.0

我考虑过使用类似的方法来返回像Sales 列这样的值

df['Dollars'] = df.apply(lambda row: row.get(row['Sales']+'_$') if pd.notnull(row['Sales']) else np.nan, axis=1)
df['Cents'] = df.apply(lambda row: row.get(row['Sales']+'_c') if pd.notnull(row['Sales']) else np.nan, axis=1)

但这仅在值位于同一索引时才有效。我有点困惑。我不确定是否应该填写数据，以便Code 列中始终存在值。

      Code
0      nan
1      nan
2      Big
3      Big
4      Big
5    Small
6    Small
7      Big
8      Big
9      Big

然后我可以选择重要的。但我不愿意更改原始数据集。

Answer 1

您可以将Sales 列中NaNs 的值替换为ffill 进行前向填充，通过前向填充Code 是Big 或Small：

#replace strings nan to np.nan first
df[['Code', 'Sales']] = df[['Code', 'Sales']].replace('nan',np.nan)

mask = (df['Code'].ffill() == 'Big') | (df['Code'] == 'Small')
df.loc[mask, 'Sales'] = df['Sales'].ffill()

df['Dollars'] = df.apply(lambda row: row.get(row['Sales']+'_$') if pd.notnull(row['Sales']) else np.nan, axis=1)
df['Cents'] = df.apply(lambda row: row.get(row['Sales']+'_c') if pd.notnull(row['Sales']) else np.nan, axis=1)
print (df)
    Code  Julie_$  Julie_c  Sales  Tom_$  Tom_c  Dollars  Cents
0    NaN      500      300    NaN    500    100      NaN    NaN
1    NaN       40       20    NaN     50     20      NaN    NaN
2    Big       10       70    Tom     10     40     10.0   40.0
3    NaN       10       50    Tom     60     50     60.0   50.0
4    NaN       50       80    Tom     50      0     50.0    0.0
5  Small       37       67    Tom     77     67     77.0   67.0
6    NaN       30       50    NaN     30     90      NaN    NaN
7    Big      900      100  Julie    600    100    900.0  100.0
8    NaN       40       40  Julie     40      0     40.0   40.0
9    NaN       50        0  Julie     60      0     50.0    0.0