python - 在 Pandas 中自动创建 DataFrame

Question

我正在尝试为自己创建一个会计工具。我的 DataFrame 看起来像这样:

d = {'a': [1000, 2000, 3000], 'x': [999, 888, 555], 'y': [555, 999, 888]}
df = pd.DataFrame(data=d)

     a       x       y
0   1000    999     555
1   2000    888     999
2   3000    555     888

其中x和y是对应的账户号码(即999表示银行账户等)，a是美元价格。我想为每个帐户创建新的 DataFrame，其中包含相应行中的列 a 中的值，而不是帐号。

对于999，它看起来像这样

    x    y
0  1000  0
1   0   2000

对于555，它看起来像这样

    x    y
0   0  1000
1  3000  0

等等。

我为第一个帐户执行了此代码，它有效，但看起来太复杂了。

df2 = df.copy(deep=True)
df2 = df[(df2.x == 999) | (df2.y == 999)]
def fx(p):
    if p == 999:
        return 1
    else:
        return 0
df2.x = df2.x.apply(fx)
df2.y = df2.y.apply(fx)
df2.x = df2.x.replace(1, df2.a)
df2.y = df2.y.replace(1, df2.a)
del df2['a']

有没有办法简化它并为每个帐户执行此操作？我不想复制代码并为每个帐户粘贴代码。

预先感谢您，我已经被这个问题困扰了几天了。

我在 Ubuntu 16.04.4 Xenial 上使用 python 2.7.12

Answer 1

您可以通过 x 和 y 列的唯一值创建带有键的 DataFrames 字典:

#convert columns to numpy array
arr = df[['x','y']].values
a = df['a'].values

#empty dictionary
dfs = {}
#loop by all unique values
for i in np.unique(arr.ravel()):
    #create 2d boolean mask
    mask = (arr == i)
    #convert mask to integers - Trues are 1 anf False are 0 and multiple by a 
    out = a[:, None] * mask.astype(int)
    #filter out only 0 rows and create DataFrame
    df = pd.DataFrame(out[mask.any(axis=1)], columns=['x','y'])
    #print (df)
    #add df to dict
    dfs[i] = df

通过查找选择:

print (dfs[999])   
      x     y
0  1000     0
1     0  2000

print (dfs[555])
      x     y
0     0  1000
1  3000     0