python - Pandas 按功能在组中查找对

Question

我在 Pandas 中有一个巨大的数据框，其格式如下:

period  from_       to_        value
2020-07 Jonny       Karl       15.00
2020-08 Matt        Jonny      5.00
2020-08 Matt        Karl       5.00
2020-08 Matt        Karl       10.00
2020-08 Jonny       Matt       10.00

如果我有一个人需要支付给另一个人的一年中的值(value)。这些人的名字在数据集上重复出现。
所以我想看看一年中一个人欠另一个人的值(value)。为此，我可以简单地使用:

sum_df = df.groupby([ "period", "from_", "to_"]).agg({"value": 'sum'})

但这就是我的问题，因为我试图找出一种执行方式来执行此聚合功能，以便它可以“识别”:
如果 person A欠 person B 5 美元.和 person B欠 person A 10 美元.它应该返回 person B在此期间欠 person A 5 美元.导致以下数据帧:

period  from_       to_        value
2020-07 Jonny       Karl       15.00
2020-08 Matt        Karl       15.00
2020-08 Jonny       Matt       5.00

有人可以给我一个我可以遵循的方向来达到那个方向吗？

Answer 1

我的建议非常棘手。第一 merge 来自 groupby 的数据帧本身，但比较列 from_为 to_和 to_为 from_ .
从 value 中减去值和 value_y生成的列并将其保存在变量中。使用此变量，可以使用 update 更新原始 DF 中的列。

df1 = df.groupby(['period','from_','to_'])['value'].sum().reset_index()

temp = df1.reset_index().merge(df1, 
                               left_on=['period', 'from_', 'to_'], 
                               right_on=['period', 'to_', 'from_'], 
                               suffixes=['', '_y'])

temp['value'] = temp['value'] - temp['value_y']
temp = temp[['index','period', 'from_', 'to_', 'value']]

temp.set_index('index', inplace=True)
df1.update(temp)

df1.head()
    period  from_   to_     value
0   2020-07 Jonny   Karl    15.0
1   2020-08 Jonny   Matt    5.0
2   2020-08 Matt    Jonny   -5.0
3   2020-08 Matt    Karl    15.0

在这里，您可以决定如何处理那些不欠任何人的人的数据。如果他们从DF中删除，或者设置列 value归零

#remove rows where value is equal to or less than zero
df1.loc[df1['value'] > 0]
#output:
    period  from_   to_     value
0   2020-07 Jonny   Karl    15.0
1   2020-08 Jonny   Matt    5.0
3   2020-08 Matt    Karl    15.0

#setting the value column to zero where it is negative
df1.loc[df1['value'] < 0, 'value'] = 0
#output:
    period  from_   to_     value
0   2020-07 Jonny   Karl    15.0
1   2020-08 Jonny   Matt    5.0
2   2020-08 Matt    Jonny   0.0
3   2020-08 Matt    Karl    15.0