我希望按列'W‘分组,然后确定列中的分组是否有差异。我尝试了几次.groupby()迭代,然后是.duplicated(),但似乎无法正确地完成我想要的代码。
关于以下df:
import pandas
df
W X Y Z
A 2 3 4
B 2 1 1
A 1 3 4
B 2 1 4
C 2 1 1按“W”分组将产生以下结果:
df
W X Y Z
A 2 3 4
A 1 3 4
B 2 1 4
B 2 1 1
C 2 1 1您在上面看到,当按'W‘分组时,A组中的'X’列会出现方差,而'Y‘和'Z’列的组B或C中不会出现差异,在任何分组中都不会出现差异。
如果按'W‘分组会导致“X”、“Y”或“Z”列的至少一个分组出现差异,则整个列应在df2中输出为“可变”。否则,该列将被列为“复制”。
X Y Z
Varying Duplicated Varying任何帮助或指导都将不胜感激。
编辑:正如Zero指出的,我已经更正了df,所以它们是相同的。另外,为了澄清,我想看看X、Y或Z列在按W分组后是否会有变化,因此我希望整个列都有一个输出。如果至少有一个分组在整个列中发生变化,则整个列被列为“可变”。谢谢!!
编辑2: Z应该是可变的。
发布于 2017-10-02 06:43:18
选项1]使用np.std的
In [280]: (df.groupby('W').agg(np.std)
.fillna(0).eq(0).all()
.replace({False: 'Varying', True: 'Duplicated'}))
Out[280]:
X Varying
Y Duplicated
Z Varying
dtype: object选项2]使用nunique的
In [272]: (df.groupby('W').agg(lambda x: x.nunique() != len(x) or len(x) == 1)
.all()
.replace({False: 'Varying', True: 'Duplicated'}))
Out[272]:
X Varying
Y Duplicated
Z Varying
dtype: object选项3]使用duplicated的
In [273]: (df.groupby('W').agg(lambda x: x.duplicated(keep=False).any() or len(x) == 1)
.all()
.replace({False: 'Varying', True: 'Duplicated'}))
Out[273]:
X Varying
Y Duplicated
Z Varying
dtype: object详细信息
In [275]: df
Out[275]:
W X Y Z
0 A 2 3 4
1 B 2 1 1
2 A 1 3 4
3 B 2 1 4
4 C 2 1 1对于o1
In [281]: df.groupby('W').agg(np.std).fillna(0)
Out[281]:
X Y Z
W
A 0.707107 0.0 0.00000
B 0.000000 0.0 2.12132
C 0.000000 0.0 0.00000
In [282]: df.groupby('W').agg(np.std).fillna(0).eq(0)
Out[282]:
X Y Z
W
A False True True
B True True False
C True True True和o2
In [273]: df.groupby('W').agg(lambda x: x.nunique() != len(x) or len(x) == 1)
Out[273]:
X Y Z
W
A False True True
B True True False
C True True True
In [274]: df.groupby('W').agg(lambda x: x.nunique() != len(x) or len(x) == 1).all()
Out[274]:
X False
Y True
Z False
dtype: bool发布于 2017-10-02 06:19:37
IIUC
f = lambda x: 'Duplicated' if x == 1 else 'Varying'
df.set_index('W').groupby('W').nunique().applymap(f)
X Y Z
W
A Varying Duplicated Varying
B Varying Duplicated Varying
C Duplicated Duplicated Duplicatedhttps://stackoverflow.com/questions/46520183
复制相似问题