python - 如何匹配数据框中相反的值？

Question

我基本上想从导入的数据框中消除相反的数量。

我的解决方案是构建一个新的数据框，忽略成对组合总和为零的行。

考虑以下数据框:

df = pd.DataFrame([
    ['31/07/17', 43020500, 13552.65],
    ['31/07/17', 43020500, 13552.65],
    ['31/07/17', 43020500, 13552.65],
    ['31/07/17', 43020500, 13552.65],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, -13552.65],
    ['31/08/17', 43020500, -13552.65],
    ['31/08/17', 43020500, -13552.65],
    ['31/08/17', 43020500, -13552.65],
    ['31/08/17', 43020500, -13552.65],
    ['30/06/17', 43020500, 133540.13],
], columns = ['Data', 'Account','Amount']
)

df
Out[34]: 
        Data   Account     Amount
0   31/07/17  43020500   13552.65
1   31/07/17  43020500   13552.65
2   31/07/17  43020500   13552.65
3   31/07/17  43020500   13552.65
4   31/08/17  43020500  241024.48
5   31/08/17  43020500  241024.48
6   31/08/17  43020500  241024.48
7   31/08/17  43020500  241024.48
8   31/08/17  43020500  241024.48
9   31/08/17  43020500  -13552.65
10  31/08/17  43020500  -13552.65
11  31/08/17  43020500  -13552.65
12  31/08/17  43020500  -13552.65
13  31/08/17  43020500  -13552.65
14  30/06/17  43020500  133540.13

data frame example

预期结果是由索引 4 到 8、13 和 14 组成的新数据框，但我的代码无法正常工作...

import numpy as np
import pandas as pd

pd.options.display.float_format = '{:,.2f}'.format

df = pd.read_excel('ContractAssets_copy.XLSX')
df.sort_values('Date')

dfToList = df['Amount'].tolist()

newdf = []

def index(a_list, value):
    try:
        return a_list.index(value)
    except ValueError:
        return None

for number in dfToList:
    key = index(dfToList, dfToList[number] * -1)
    if key == None:
        newdf.append(df[number])

newdf

如何解决这个问题？

Answer 1

请注意，例如您有 4 个值 13552.65，但是相反值 (-13552.65) 为 5。

因此，如果每个值仅消除一个相反的值，则在本例中为一个应保留负值(其他解决方案不尊重这一点原理)。

首先定义一个函数来消除“不需要的”行(从当前行组):

def eliminate(grp):
    grpSorted = grp.sort_values('Amount')
    amt = grpSorted.Amount
    nNeg = np.count_nonzero(amt.lt(0))
    nPos = amt.size - nNeg
    if nNeg == 0 or nPos == 0:  # No opposite values
        return grp
    vDiff = nNeg - nPos
    return grpSorted.head(vDiff) if vDiff > 0 else grpSorted.tail(-vDiff)

然后添加AmountAbs列:

df['AmountAbs'] = df.Amount.abs()

因为我们应该仅根据金额的绝对值对行进行分组。

最后你可以进行所需的分组并将上述函数应用到每组:

df.groupby('AmountAbs').apply(eliminate)\
    .reset_index(level=0, drop=True)\
    .drop(columns=['AmountAbs'])

上述说明中的“完成 Action ”包括:

• 从索引中删除AmountAbs(仅保留原始索引)，
• 删除AmountAbs列。

如果您愿意，您可以在上述指令中添加.sort_index()，以恢复原始行顺序。

编辑

还有更短的解决方案，无需创建任何辅助列(并在最后删除它)。

消除函数略有不同:

def elim(grp):
    grpSorted = grp.sort_values('Amount')
    amt = grpSorted.Amount
    nNeg = np.count_nonzero(amt.lt(0))  # No of negative values
    nPos = amt.size - nNeg              # No of positive values
    vDiff = nNeg - nPos
    return grpSorted.head(vDiff) if vDiff > 0 else grpSorted.tail(-vDiff)

要应用它，请运行:

df.groupby(lambda x: abs(df.loc[x, 'Amount']))\
    .apply(elim).reset_index(level=0, drop=True)