熊猫:在群组函数中选择符合某些标准的行

Question

巴迪:我有一份数据，就像：

df = pd.DataFrame({'code':'A','A','A','A','A','A','B','B','B', 'B','B','B'), 'Times': (1,2,3,4,5,6,1,2,3,4,5,6),'Figure':(2.3,4.1,5.2,7.0,1.8,9.0,4.2,7.9,4.6,1.4,9.7,1.2)})

所以这样的结构：

>>> df
    Figure  Times code
0      2.3      1    A
1      4.1      2    A
2      5.2      3    A
3      7.0      4    A
4      1.8      5    A
5      9.0      6    A
6      4.2      1    B
7      7.9      2    B
8      4.6      3    B
9      1.4      4    B
10     9.7      5    B
11     1.2      6    B

现在我想在每个代码组('A'，'B')中，只计算[4,1,6,1,3,2]中的Times对时的数字差异。因此，所需的新数据格式将如下所示：

>>> newdf
  code  diffFigure diffTimes
0    A         4.7       4-1
1    A         6.7       3-2
2    A         1.1       6-1
3    B        -3.3       4-1
4    B        -2.8       3-2
5    B        -3.0       6-1

当然，我想使用groupby函数并应用一个函数：

def f(x):
    myList = [[4,1],[6,1],[3,2]]
    for i in x.itertuples():
        for j in x.itertuples():
            if (i.Times, j.Times) in myList:
                print (i.code + ": " + str(i.Times) + "-" + str(j.Times) + "=" + str(i.Figure - j.Figure))
newdf = df.groupby('code').apply(f)

但我无法得到想要的数据。这里有两个问题:首先，是否有可能不使用迭代来枚举所有行？其次，在函数f中，如何设计返回格式以得到所需的数据？

非常感谢

Answer 1

有两种可能的解决办法：

要么利用.unstack()

df = pd.DataFrame({'code':('A','A','A','A','A','A','B','B','B', 'B','B','B'), 'Times': (1,2,3,4,5,6,1,2,3,4,5,6),'Figure':(2.3,4.1,5.2,7.0,1.8,9.0,4.2,7.9,4.6,1.4,9.7,1.2)})
df = df.set_index(["code","Times"]).unstack()

并手动连接for循环中的差异，即：

myList = [[4,1],[6,1],[3,2]]
pd.concat(((df[('Figure',d1)] - df[('Figure',d0)]).to_frame('diffFigure').assign(diffTimes="{}-{}".format(d1,d0)) for (d1,d0) in myList))

或列出每个代码中所有可能的组合：

df0 = df.merge(df, on = 'code')

然后，通过将myList转换为dataframe并执行内部连接操作，获取myList中的对子集：

df0 = df0.merge(pd.DataFrame(myList, columns = ['Times_x','Times_y']))
df0['diffFigure'] = df0.Figure_x - df0.Figure_y
df0['diffTimes'] = df0.Times_x.astype(str) + '-' + df0.Times_y.astype(str)

df0[['code','diffFigure','diffTimes']]