对新数据帧中的多行进行分组

Question

我是一个负责2.7版本的python新手。下面是我正在使用的数据框架的示例。还有一些与问题无关的额外列，因此这些列不包括在下面。

df = pd.DataFrame( { "Name" : ["BROD", "BROD", "BROD", "BROD", "SSBD" , "SSBD","SSBD","SSBD"] , 
                     "Digit" : ["F", "F", "T", "T", "F", "F", "T", "T"],
                     "ID": ["A","A","A","A","B","B","B","B"],
                     "Date": ["2/3/2010","2/3/2010","2/3/2010","2/3/2010","3/4/2007","3/4/2007","3/4/2007","3/4/2007"],
                     "Base" : ["CAD","CAD","CAD","CAD","CAD","CAD","CAD","CAD"],
                     "Term" : ["USD","USD","JPY","JPY","EUR","EUR","JPY","JPY"],
                     "Amt": [100.00,100.00,9082.00,9082.00,60.00,60.00,7387.80,7387.80]})

有多个重复的值。每一行代表交易的一个组件，ID列将它们分组为一个交易。我想要创建一个新的数据框架，其中只包括一个交易一行。数据框架如下所示：

ID    Date       Name     Buy   Sell    Buy Amt Sell Amt
A    2/3/2010    BROD     USD   JPY     100.00   9082.00
B    3/4/2007    SSBD     EUR   JPY     60.00    7387.80

对于每个ID，如果数字=F，则术语列中的值放在Buy列中，Amt列中的值放置在Buy列中。如果数字=T，则术语列中的值放置在Sell列中，Amt列中的值放在Sell列中。

请指出正确的方向，以最有效的方式解决这个问题。谢谢。

Answer 1

您可以使用np.where，然后使用groupby

df['Buy'] = np.where((df['Digit'] == 'F'), df['Term'], np.nan)

df['Sell'] = np.where((df['Digit'] == 'T'), df['Term'], np.nan)

df['BuyAmt'] = np.where((df['Digit'] == 'F'), df['Amt'], np.nan)
df['SellAmt'] = np.where((df['Digit'] == 'T'), df['Amt'], np.nan)

df.drop(['Digit','Base','Term','Amt'], axis=1, inplace= True)

df = df.groupby('ID').first()

print(df)
    Name      Date  Buy Sell  BuyAmt  SellAmt
ID                                           
A   BROD  2/3/2010  USD  JPY   100.0   9082.0
B   SSBD  3/4/2007  EUR  JPY    60.0   7387.8

此外，如果您需要您的专栏按您发布的顺序，您可以使用pandas reindex

Answer 2

我假设应该删除重复项，否则您需要更好地解释如何处理相同的行：

>>> df2 = df.drop_duplicates().reset_index(drop=True)

然后，我们创建两个数据格式，一个用于'F‘，一个用于'T'，为每个数据创建Buy/Sell和Buy Amt/Sell Amt，并删除未使用的列：

>>> df_F = df2[df2.Digit == 'F'].assign(**{'Buy': lambda x: x.Term, 'Buy Amt': lambda x: x.Amt})
...                             .drop(['Digit', 'Base', 'Term', 'Amt'], axis=1)
>>> df_T = df2[df2.Digit == 'T'].assign(**{'Sell': lambda x: x.Term, 'Sell Amt': lambda x: x.Amt})
...                             .drop(['Digit', 'Base', 'Term', 'Amt'], axis=1)

最后，我们合并这两个数据格式，并重新排列列顺序：

>>> merged = df_F.merge(df_T, on=['ID', 'Name', 'Date'])
>>> merged[['ID', 'Date', 'Name', 'Buy', 'Sell', 'Buy Amt', 'Sell Amt']]
  ID      Date  Name  Buy Sell  Buy Amt  Sell Amt
0  A  2/3/2010  BROD  USD  JPY    100.0    9082.0
1  B  3/4/2007  SSBD  EUR  JPY     60.0    7387.8

就这样。如果“ID”应该是索引，则可以使用merged.set_index('ID')