python - 根据现有列中的条件在数据框中创建新列

Question

我有以下数据:

dict1={"代码":[3,3,3,1,1,2,2,3,3,3],"数字":[10,10,5,5,5, 5,10,5,25,25]}

df1=pd.DataFrame(dict1)

结果是:

   Code Num
0   3   10
1   3   10
2   3   5
3   1   5
4   1   5
5   2   5
6   2   10
7   3   5
8   3   25
9   3   25

我想创建一个新列(期末余额)，其值基于现有的代码和数字列。

如果Code值为1则End Balance等于Num

如果 Code 为 2，则 End Balance 值为 Code 为 2 的 Num 值的总和

如果 Code 为 3，则 End Balance 值为 Code 为 3 的 Num 值之和

我使用 iterrows 并且我有以下脚本:

mylist1=[]
mylist2=[]
for index, row in df1.iterrows():
    if row["Code"]==1:
        end_balance=row["Num"]  
    elif row["Code"]==2:
        mylist1.append(row["Num"])
        end_balance=sum(mylist1) 
    elif row["Code"]==3:
        mylist2.append(row["Num"])
        end_balance=sum(mylist2)
    df1.loc[index,"End_Balance"]=end_balance

输出是什么

   Code Num End_Balance
0   3   10  10.00
1   3   10  20.00
2   3   5   25.00
3   1   5   5.00
4   1   5   5.00
5   2   5   5.00
6   2   10  15.00
7   3   5   30.00
8   3   25  55.00
9   3   25  80.00

此输出的问题是，在 Code = 3 的第二个子集中，End_Balance 列开始求和，同时考虑到 Code 为 3 的第一个子集。您可以很容易地看到这一点。我想以某种方式在 Code=3 的第一个子集之后删除脚本中的 mylist2，并且当 Code=3 的新子集出现时，End_Balance 列中的总和应该重新开始。预期输出是:

   Code Num End_Balance
0   3   10  10.00
1   3   10  20.00
2   3   5   25.00
3   1   5   5.00
4   1   5   5.00
5   2   5   5.00
6   2   10  15.00
7   3   5   5.00
8   3   25  30.00
9   3   25  55.00

希望您的建议遵循相同的逻辑 - 使用 iterrows。我知道可能使用 groupby 我可以做我想做的事，但在这里我需要一个带有 iterrows 的解决方案。

Answer 1

您还可以使用 np.select :

In [2062]: import numpy as np

In [2063]: conditions = [df1.Code.eq(1), df1.Code.eq(2) | df1.Code.eq(3)]
In [2061]: choices = [df1.Num, df1.groupby((df1.Code != df1.Code.shift()).cumsum())['Num'].cumsum()]

In [2065]: df1['End_Balance'] = np.select(conditions, choices)

In [2066]: df1
Out[2066]: 
    Code  Num  End_Balance
0     3   10           10
1     3   10           20
2     3    5           25
3     1    5            5
4     1    5            5
5     2    5            5
6     2   10           15
7     3    5            5
8     3   25           30
9     3   25           55