对数据进行双组处理

Question

Dataframe:

STUD_ID   CLASS   GRADE  CATEGORY
1         'Sci'    2    'Alpha'
2         'Sci'    7    undefined
3         'Sci'    9    'Alpha'
4         'Sci'    NaN  'Alpha'
5         'Sci'    9    'Alpha'
6         'math'   9    undefined
7         'eng'    8    'Gamma'
8         'eng'    5    'Gamma'
9         'eng'    3    undefined
10        'Art'    3    'Lambda'
11        'Art'    8    'Lambda'
12        'Art'    5    undefined
13        'Art'    1    undefined
14        'Art'    NaN  undefined

我期待着决定是否学生类别‘未定’实际上是另一个类别，是存在于该特定的班级。要知道这一点，它应该检查“未定义”类别学生的成绩是否介于该班其他类别的最小最高分之间。

例如，第2行中的学生有“未定义的类别”：该类别应该改为'Alpha‘，因为它的7年级介于'Alpha’min和最高年级(2和9)之间。‘'Alpha’是'Sci‘类的另一个类别。

例如，相反的情况，第9行的学生。它的类别不应该改为“Gamma”，因为它的3年级不属于“Gamma”的年级范围(5-8)。‘'Gamma’是'eng‘班的另一类。

例如，在第14行中，“未定义”不应更改，因为是不可比较的。

例如，第6行中的“”(未定义)不应更改，因为没有其他类别。

结果

STUD_ID   CLASS   GRADE  CATEGORY
1         'Sci'    2    'Alpha'
2         'Sci'    7    'Alpha' *
3         'Sci'    9    'Alpha'
4         'Sci'    NaN  'Alpha'
5         'Sci'    9    'Alpha'
6         'math'   9    undefined
7         'eng'    8    'Gamma'
8         'eng'    5    'Gamma'
9         'eng'    3    undefined
10        'Art'    3    'Lambda'
11        'Art'    8    'Lambda'
12        'Art'    5    'Lambda' *
13        'Art'    1    undefined
14        'Art'    NaN  undefined

对于第一个未定义的。在我访问“科学”组之后，我如何访问“Alpha”的等级组？

我知道这可以访问当前的类组。

df.loc[df['CATEGORY'] == 'undefined', 'CATEGORY'] = df.groupby('CLASS')...

如果像下面这样的东西可以同时访问类和类别(“未定义的”除外)，那就太好了。

func = lambda series : ...get min and max of series...

df.loc[df['CATEGORY'] == 'undefined', 'CATEGORY'] = df.groupby('CLASS').groupby('CATEGORY').where('CATEGORY'!='undefined').transform(func)..

怎么做？创建助手步骤列的答案也会有效。

Answer 1

检查以下内容是否对您有效：

1. 给出各组的等级边界。 min_grade = df.groupby('CLASS').GRADE.transform('min') max_grade = df.groupby('CLASS').GRADE.transform('max')
2. 找到默认类别以替换“未定义”(如果限定的话)。下面的行检索同一组中的第一个元素，如果存在，该元素不是“未定义的”，否则是“未定义的”。 更新：以前的代码在Pandas-0.17.1/python-2.7.2上工作，但在Pandas上生成ValueError -0.24.1/Python-3.7.2。在Pandas上进行了以下测试-0.24.1： default_cat = df.groupby('CLASS').CATEGORY.transform( lambda :xx！= 'undefined‘..iat if xx！=’未定义‘..size>0否则’未定义‘) 另一种计算default_cat的方法： default_cat = df.assign( cat=df.CATEGORY.replace({‘未定义’：np.nan}) )\ .groupby('CLASS').cat.transform('first') \.fillna(‘未定义’)
3. 获得新的类别： df‘’new_cat‘= df.CATEGORY.mask( df.CATEGORY.eq(未定义的)& df.GRADE.gt(min_grade)和df.GRADE.lt(max_grade) )，( default_cat )打印(Df)# STUD_ID类等级类别new_cat #0 1 Sci 2 Alpha #1 2 Sci 7未定义Alpha #2阿尔法#3 4 NaN Alpha #4 5 Sci 9 Alpha #5 6数学9未定义未定义#6 7 eng 8 Gamma #7 8 Gamma #8 Gamma #8 9 eng 3未定义#9 10艺术3 Lambda Lambda #10 #11艺术8 Lambda # 11艺术5未定义的Lambda #12 13艺术1未定义的13 14艺术NaN未定义的艺术