Python 数据帧中的计算和更新结果

Question

我最近从 excel 转换为 python。我认为我在这里尝试做的传统上是通过某种 Vlookup 来完成的。但我可能在术语上苦苦挣扎，无法找到 python 解决方案。我的大部分数据分析框架都在使用 pandas 库。

我有两个不同的数据框。一个带有权重变化（DF1），另一个带有权重（DF2）。我想逐行进行（更改按时间顺序排列）并且：

1. 在 DF1 中创建一个新列，其权重之前更改
   （基本上是从DF2中提取的）。
2. 更新 DF2 中的结果，其中 Weight = Weight + WeightChange

注意：数据框的维度不同，一个人有几个权重变化（DF1）但只有一个权重（DF2）：

    Name  WeightChange 
1   John  5
2   Peter 10  
3   John  7  
4   Mary  -20  
5   Gary  -3 

DF2：

    Name  Weight 
1   John  180
2   Peter 160   
3   Mary  120  
4   Gary  150  

Answer 1

首先，我会在“名称”列上添加merge df1 和 df2，以将权重列添加到 df1。

然后我会在名称上使用groupbydf1 并应用transform 来计算每个人的总体重变化。 transform 返回与原始 df 对齐的 Series，因此您可以将聚合列添加回 df。

然后我将此列合并到 df2，然后将这个总重量变化添加到现有重量列的简单案例：

In [242]:
df1 = df1.merge(df2, on='Name', how='left')
df1['WeightChangeTotal'] = df1.groupby('Name')['WeightChange'].transform('sum')
df1

Out[242]:
    Name  WeightChange  Weight  WeightChangeTotal
0   John             5     180                 12
1  Peter            10     160                 10
2   John             7     180                 12
3   Mary           -20     120                -20
4   Gary            -3     150                 -3

In [243]:
df2 = df2.merge(df1[['Name','WeightChangeTotal']], on='Name')
df2

Out[243]:
    Name  Weight  WeightChangeTotal
0   John     180                 12
1   John     180                 12
2  Peter     160                 10
3   Mary     120                -20
4   Gary     150                 -3

In [244]:
df2['Weight'] = df2['Weight'] + df2['WeightChangeTotal']
df2

Out[244]:
    Name  Weight  WeightChangeTotal
0   John     192                 12
1   John     192                 12
2  Peter     170                 10
3   Mary     100                -20
4   Gary     147                 -3

编辑

解决您对“WeightBefore”列的期望行为：

In [267]:
df1['WeightBefore'] = df1['Weight']  + df1.groupby('Name')['WeightChange'].shift().cumsum().fillna(0)
df1

Out[267]:
    Name  WeightChange  Weight  WeightBefore
0   John             5     180           180
1  Peter            10     160           160
2   John             7     180           185
3   Mary           -20     120           120
4   Gary            -3     150           150

因此，上面的“名称”组将shift 应用于列，然后将cumsum 添加到增量差异中，我们必须调用fillna，因为这将在我们拥有的地方产生NaN 值每个名称只有一个重量变化。