我有一个像这样的 DataFrame:
A B
0 name1_X 2
1 name2_X 2
2 name3_X 2
3 name1_Y NaN
4 name2_Y NaN
5 name3_Y NaN
其中 A 列是带有后缀 _X 或 _Y 的名称,B 列是一个值。
我想让 _Y 的行等于
`-1 * corresponding `_X`
同名。
输出应该是,
A B
0 name1_X 2
1 name2_X 2
2 name3_X 2
3 name1_Y -2
4 name2_Y -2
5 name3_Y -2
有时,DataFrame 会是
A B
0 name1_X 2
1 name1_Y NaN
2 name2_Y NaN
3 name3_Y NaN
输出应该是:
A B
0 name1_X 2
1 name1_Y -2
2 name2_Y NaN
3 name3_Y NaN
非重叠部分保持 NaN
如何简单地解决这个问题?
请您参考如下方法:
从数据框中分离“X”值并创建相应的“Y”值。然后连接起来。
我扩展了示例数据框以考虑名称不匹配的情况。在这种情况下,如果名称以“_X”结尾,将创建一个新的“_Y”名称变量。如果有名称'_Y'但没有对应的名称'_X',则保持不变。
df = pd.DataFrame({'A': ['name0_X', 'name2_X', 'name3_X', 'name1_Y', 'name2_Y', 'name4_Y'],
'B': [2.0, 2.0, 2.0, None, None, None]})
>>> df
A B
0 name0_X 2 # Create new `name0_Y`
1 name2_X 2 # Match. Multiply value by minus one.
2 name3_X 2 # Create new `name3_Y`
3 name1_Y NaN # No match. Leave as is.
4 name2_Y NaN # Update with matching X after multiplying by minus one.
5 name4_Y NaN # No match. Leave as is.
dfx = df[df.A.str[-2:] == '_X']
dfy = dfx.copy()
dfy.B *= -1
dfy.A = dfy.A.str[:-2] + '_Y'
y_names = df[df.A.str[-2:] == '_Y'].A
missing_Y_names = y_names[~y_names.isin(dfy.A)]
df_missing_y = df.loc[df.A.isin(missing_Y_names), :]
result = pd.concat([dfx, dfy, df_missing_y], ignore_index=True)
>>> result
A B
0 name0_X 2
1 name2_X 2
2 name3_X 2
3 name0_Y -2
4 name2_Y -2
5 name3_Y -2
6 name1_Y NaN
7 name4_Y NaN
