Pandas DataFrame 根据不同行中的值更改值答案

【问题标题】：Pandas DataFrame Change Values Based on Values in Different RowsPandas DataFrame 根据不同行中的值更改值
【发布时间】：2021-10-06 10:55:57
【问题描述】：

我有一个数据框，其中包含 1115 家商店的商店销售数据，日期超过 2.5 年。 StateHoliday 列是一个分类变量，指示它的假期类型。请参阅下面的 df 部分。可以看出，b 是复活节的代码。其他节日还有其他代码。

Piece of DF

我的目标是分析假期前后的销售情况。我寻求这样做的方法是将 StateHoliday 列的值更改为特定假期前几天的独特值。例如，b 是复活节的代码，所以我可以将值更改为 b- 表示这一天是复活节前不久。我能想到的唯一方法是通过并手动更改某些日期的这些值。假期不多，所以做起来也不难。但是还是很烦！

【问题讨论】：

标签： python pandas

【解决方案1】：

Tom，看看这是否适合您，如果不适合，请提供更多信息：在文件中我有以下数据：

Store,Sales,Date,StateHoliday
1,6729,2013-03-25,0
1,6686,2013-03-26,0
1,6660,2013-03-27,0
1,7285,2013-03-28,0
1,6729,2013-03-29,b
1115,10712,2015-07-01,0
1115,11110,2015-07-02,0
1115,10500,2015-07-03,0
1115,12000,2015-07-04,c

import pandas as pd

fname = r"D:\workspace\projects\misc\data\holiday_sales.csv"
df = pd.read_csv(fname)

df["Date"] = pd.to_datetime(df["Date"])

holidays = df[df["StateHoliday"]!="0"].copy(deep=True) # taking only holidays
dictDate2Holiday = dict(zip(holidays["Date"].tolist(), holidays["StateHoliday"].tolist()))

look_back = 2 # how many days back you want to go
holiday_look_back = []
# building a list of pairs (prev days, holiday code)
for dt, h in dictDate2Holiday.items():
    prev = dt
    holiday_look_back.append((prev, h))
    for i in range(1, look_back+1):
        prev = prev - pd.Timedelta(days=1)
        holiday_look_back.append((prev, h))

dfHolidayLookBack = pd.DataFrame(holiday_look_back, columns=["Date", "StateHolidayNew"])

df = df.merge(dfHolidayLookBack, how="left", on="Date")
df["StateHolidayNew"].fillna("0", inplace=True)
print(df)

StateHolidayNew 列应该包含您开始分析数据所需的信息

【讨论】：

【解决方案2】：

假设你有一个这样的数据框：

    Store  Sales       Date StateHoliday
0       2   4205 2016-11-15            0
1       1    684 2016-07-13            0
2       2   8946 2017-04-15            0
3       1   6929 2017-02-02            0
4       2   8296 2017-10-30            b
5       1   8261 2015-10-05            0
6       2   3904 2016-08-22            0
7       1   2613 2017-12-30            0
8       2   1324 2016-08-23            0
9       1   6961 2015-11-11            0
10      2     15 2016-12-06            a
11      1   9107 2016-07-05            0
12      2   1138 2015-03-29            0
13      1   7590 2015-06-24            0
14      2   5172 2017-04-29            0
15      1    660 2016-06-21            0
16      2   2539 2017-04-25            0

您可以做的是将代表假期的不同字母之间的值分组，然后 groupby 以根据每个组找出销售额。对此的改进是在组之前回填数字，例如，groups=0.0 将变为b_0，这将更容易理解组以及它们代表的假期，但我不知道该怎么做。

df['StateHolidayBool'] = df['StateHoliday'].str.isalpha().fillna(False).replace({False: 0, True: 1})
df = df.assign(group = (df[~df['StateHolidayBool'].between(1,1)].index.to_series().diff() > 1).cumsum())
df = df.assign(groups = np.where(df.group.notna(), df.group, df.StateHoliday)).drop(['StateHolidayBool', 'group'], axis=1)
df[~df['groups'].str.isalpha().fillna(False)].groupby('groups').sum()

输出：

        Store  Sales
groups              
0.0         6  20764
1.0         7  23063
2.0         9  26206

最终数据帧：

    Store  Sales       Date StateHoliday groups
0       2   4205 2016-11-15            0    0.0
1       1    684 2016-07-13            0    0.0
2       2   8946 2017-04-15            0    0.0
3       1   6929 2017-02-02            0    0.0
4       2   8296 2017-10-30            b      b
5       1   8261 2015-10-05            0    1.0
6       2   3904 2016-08-22            0    1.0
7       1   2613 2017-12-30            0    1.0
8       2   1324 2016-08-23            0    1.0
9       1   6961 2015-11-11            0    1.0
10      2     15 2016-12-06            a      a
11      1   9107 2016-07-05            0    2.0
12      2   1138 2015-03-29            0    2.0
13      1   7590 2015-06-24            0    2.0
14      2   5172 2017-04-29            0    2.0
15      1    660 2016-06-21            0    2.0
16      2   2539 2017-04-25            0    2.0

【讨论】：