根據Pandas中的多個復雜條件更新列

對于DataFrame df以下

df = pd.DataFrame([('Tesla','Model3', '-', 'Tesla'),
                  ('Tesla', 'ModelS', '-', 'Tesla_MD3'),
                  ('Tesla', 'ModelX', '-', 'Tesla_MD3'),
                  ('Tesla', 'ModelY', '-', 'Tesla'),
                  ('Jeep',  'Wrangler','Grouped','Jeep'),
                  ('Jeep',  'Compass', 'Grouped','Jeep_MD3'),
                  ('Jeep',  'Patriot', 'Grouped','Jeep'),
                  ('Jeep',  'Cherokee','Grouped','Jeep'),
                  ('Ford',  'Mustang', 'Grouped','Ford'),
                  ('Ford',  'F150',     'Grouped','Ford')  ],columns=['Make','Model','Status','Type'])


df
     Make    Model        Status    Type
0   Tesla   Model3             -    Tesla
1   Tesla   ModelS             -    Tesla_MD3
2   Tesla   ModelX             -    Tesla_MD3
3   Tesla   ModelY             -    Tesla
4   Jeep    Wrangler     Grouped    Jeep
5   Jeep    Compass      Grouped    Jeep_MD3
6   Jeep    Patriot      Grouped    Jeep
7   Jeep    Cherokee     Grouped    Jeep
8   Ford    Mustang      Grouped    Ford
9   Ford    F150         Grouped    Engine

我正在嘗試Type使用Make_MD3for all更新該列Make，如果Make_MD3存在于其中的任何一個Models中Make，并且如果Status是Grouped針對那個Make。但如果Status不是Grouped，Type則應按原樣保留Models。如果“Make_MD3”不存在，Type則應保持為Make.

例如，Teslais not Grouped，因此每個模型都保持Type相同。但是JeepisGrouped并且Compassis 有它的Typeas Jeep_MD3，所以Jeep_MD3更新 as the Typefor all Jeep Models。Ford是Grouped，但沒有一個Models有型別Ford_MD3，所以Type保持為Ford

預期產出

     Make    Model    Status       Type
0   Tesla   Model3      -           Tesla  #For Tesla Type is maintained for each model seperately since it is not grouped
1   Tesla   ModelS      -         Tesla_MD3
2   Tesla   ModelX      -         Tesla_MD3
3   Tesla   ModelY      -            Tesla
4   Jeep    Wrangler   Grouped     Jeep_MD3 #Since Jeep is grouped, all its Type is changed to Jeep_MD3 since one of the model had Jeep_MD3
5   Jeep    Compass    Grouped     Jeep_MD3
6   Jeep    Patriot    Grouped     Jeep_MD3
7   Jeep    Cherokee   Grouped     Jeep_MD3
8   Ford    Mustang    Grouped        Ford #Even though Ford is grouped, since there is no Ford_MD3 the Type is maintained as Ford.
9   Ford    F150       Grouped        Ford

換句話說，條件適用于所有makes（例如吉普車）如果make被分組并且如果MD3附加到任何模型types，那么同一組中的所有分組模型make都將附加 MD3。我嘗試了下面的代碼，但它不起作用。有人可以修復這種方法或嘗試一種新方法嗎？

df.loc[df.Status.eq('Grouped'), 'Type'] = df[df.Status.eq('Grouped')].groupby('Make').Type.transform(
    lambda x: f"{x.str.replace('_MD3','')}_{MD3}" if x.str.contains('_MD3').any() else x)

uj5u.com熱心網友回復：

嘗試：

df.loc[df.Status == "Grouped", "Type"] = (
    df[df.Status == "Grouped"]
    .groupby("Make")["Type"]
    .transform(
        lambda x: x.name   "_MD3" if x.str.endswith("_MD3").any() else x.name
    )
)

print(df)

印刷：

    Make     Model   Status       Type
0  Tesla    Model3        -      Tesla
1  Tesla    ModelS        -  Tesla_MD3
2  Tesla    ModelX        -  Tesla_MD3
3  Tesla    ModelY        -      Tesla
4   Jeep  Wrangler  Grouped   Jeep_MD3
5   Jeep   Compass  Grouped   Jeep_MD3
6   Jeep   Patriot  Grouped   Jeep_MD3
7   Jeep  Cherokee  Grouped   Jeep_MD3
8   Ford   Mustang  Grouped       Ford
9   Ford      F150  Grouped       Ford

標籤：Python熊猫数据框通过...分组

上一篇：Pandas中的替換方法

下一篇：根據規則獲取字典的鍵