python - pandas dataframe 使用附加参数应用

Question

以下示例:

df = pd.DataFrame({'signal':[1,0,0,1,0,0,0,0,1,0,0,1,0,0],'product':['A','A','A','A','A','A','A','B','B','B','B','B','B','B'],'price':[1,2,3,4,5,6,7,1,2,3,4,5,6,7],'price2':[1,2,1,2,1,2,1,2,1,2,1,2,1,2]})

我有一个函数“fill_price”来根据“信号”和“价格”创建一个新列“Price_B”。对于每个“产品”子组，如果“信号”为 1，则 Price_B 等于 Price。如果信号为 0，则 Price_B 等于上一行的 Price_B。如果子组以 0“信号”开始，则“price_B”将保持为 0，直到“信号'变为1。

目前我有:

def fill_price(df, signal,price_A):
p = df[price_A].where(df[signal] == 1)
return p.ffill().fillna(0).astype(df[price_A].dtype)

然后使用以下方法应用:

df['Price_B'] = fill_price(df,'signal','price')

但是，我想使用 df.groupby('product').apply() 将此 fill_price 函数分别应用于 'product' 列的两个子集，并将其应用于 'price' 和 'price2' 列。有人可以帮忙吗？

我基本上想做:

df.groupby('product',groupby_keys=False).apply(fill_price, 'signal','price2')

Answer 1

IIUC，您可以使用以下语法:

df['Price_B'] = df.groupby('product').apply(lambda x: fill_price(x,'signal','price2')).reset_index(level=0, drop=True)

输出:

    price  price2 product  signal  Price_B
0       1       1       A       1        1
1       2       2       A       0        1
2       3       1       A       0        1
3       4       2       A       1        2
4       5       1       A       0        2
5       6       2       A       0        2
6       7       1       A       0        2
7       1       2       B       0        0
8       2       1       B       1        1
9       3       2       B       0        1
10      4       1       B       0        1
11      5       2       B       1        2
12      6       1       B       0        2
13      7       2       B       0        2

您可以更简单地编写此代码，而无需额外的函数。

df['Price_B'] = (df.groupby('product',as_index=False)
                   .apply(lambda x: x['price2'].where(x.signal==1).ffill().fillna(0))
                   .reset_index(level=0, drop=True))