我有一个示例数据框 df 如下 -
A B
1 41
2 42
3 43
1 46
2 47
3 48
1 51
2 52
3 53
我目前的目标是,对于 A 列的特定值,用第一次出现的值替换 B 列的所有值。例如,对于 A = 1,B = 41 是第一个对应值。因此,我必须将 B 列的所有其他行替换为 A = 1 为 41。基本上,我必须获得以下内容:
A B
1 41
2 42
3 43
1 41
2 42
3 43
1 41
2 42
3 43
我已尝试按以下方式进行:
方法 1 -
a = df.A.unique()
for i in a:
x = df.loc[df['A'] == i]
x['B'] = x['B'].iloc[0]
print(x)
在打印 x 时,这给了我想要的输出
A B
0 1 41
3 1 41
6 1 41
A B
1 2 42
4 2 42
7 2 42
A B
2 3 43
5 3 43
8 3 43
但是当我再次检查数据框 df 时,值绝对没有变化。
我还尝试了以下替代方案 -
方法 - 2
def custom_function(df):
x = df['B'].iloc[0]
df['A'] = df['A']
df.loc[:,['B']] = x
return df['A']
for key, item in df.groupby('A'):
item.apply(lambda x: custom_function(item))
print(item)
在打印 item 时,这也给了我所需的输出 -
A B
0 1 41
3 1 41
6 1 41
A B
1 2 42
4 2 42
7 2 42
A B
2 3 43
5 3 43
8 3 43
但是当我检查数据框 df 的值时,根本没有没有修改。我猜我正在处理数据框的副本而不是实际的数据框,但我不知道如何解决这个问题。
请您参考如下方法:
问题是您在循环内创建一个新变量,其中包含数据的浅拷贝并对其进行修改。除非您使用 df.loc 自己完成,否则实际上不会写入对原始数据帧的更改。另一个更好的选择是对其进行矢量化,从而移除循环。
你需要 groupby 和 transform:
df = df.assign(B=df.groupby('A').B.transform('first')).sort_values('A')
print(df)
A B
0 1 41
3 1 41
6 1 41
1 2 42
4 2 42
7 2 42
2 3 43
5 3 43
8 3 43
仅供您理解,这是修复循环的方法:
for a in df.A.unique():
m = df['A'] == a
df.loc[m, 'B'] = df.at[m.idxmax(), 'B']
