A avoir un ensemble de données
ID ID2 var1 1 p 10 1 r 5 1 p 9 2 p 7 2 r 6 2 r 7
Je dois certifier que dans chaque Nº ID la différence entre (la somme de var1 par "p") et (la somme de var1 par "r" ) est supérieur à 0. En d'autres termes, je dois regrouper par ID et appliquer des opérations arithmétiques entre les valeurs regroupées par ID2. Merci pour vos suggestions
6 Réponses :
Vous pouvez utiliser .groupby et .diff () pour calculer la différence après le groupby.
groupby = df.groupby(['ID', 'ID2']).var1.sum().diff().reset_index() groupby['indicator'] = np.where(groupby.var1 > 0, 'yes', 'no') print(groupby) ID ID2 var1 indicator 0 1 p NaN no 1 1 r -14.0 no 2 2 p 2.0 yes 3 2 r 6.0 yes
Vous pouvez également ajouter un indicateur, qui montre si la différence était supérieure à 0 avec np.where , avant cela, nous utilisons .reset_index pour récupérer notre colonne var1 .
df.groupby(['ID', 'ID2']).var1.sum().diff()
Out[72]:
ID ID2
1 p NaN
r -14.0
2 p 2.0
r 6.0
Name: var1, dtype: float64
C'est une solution intéressante, mais échouerait s'il y avait d'autres valeurs dans var2 entre celles qui veulent être comparées.
Je pense que vous avez besoin de
df.groupby(['ID','ID2']).sum().groupby(level=[0]).diff()
Out[174]:
var1
ID ID2
1 p NaN
r -14.0
2 p NaN
r 6.0
ID2 p r diff ID 1 19 5 14 2 7 13 -6
Je pense que vous devez définir aggfunc = 'sum' sur votre table pivot_table. La fonction par défaut dans pivot_table est mean , l'O.P. a besoin de sum
Ajout de aggfunc = 'sum' comme noté par @Terry
Merci pour l'idée d'appliquer l'opérateur pivot. Je ne l'ai jamais utilisé chez les pandas! Bon à savoir. Génial
Vos données:
pd.crosstab(df.ID, [df.ID2,df.var1])
ID2 p r
var1 7 9 10 5 6 7
ID
1 0 1 1 1 0 0
2 1 0 0 0 1 1
Vous pouvez faire un tableau croisé:
df=pd.crosstab(df.ID, [df.ID2,df.var1], margins=True)
>>>df
ID2 p r All
var1 7 9 10 5 6 7
ID
1 0 1 1 1 0 0 3
2 1 0 0 0 1 1 3
All 1 1 1 1 1 1 6
Sans marges:
import pandas as pd
df=pd.DataFrame([[1,'p',10], [1,'r',5], [1,'p',9 ],
[2,'p',7 ], [2,'r',6 ], [2,'r',7 ]],
columns=['ID', 'ID2', 'var1'])
Merci beaucoup pour toutes vos suggestions! Je suis presque là...:) J'essayais tous les codes. Je pense que je n'ai pas été clair en expliquant ce que je veux en sortie. Je pense que pour le cas pratique sur lequel je travaille, il serait utile d'ajouter une ou deux variables supplémentaires dans la liste d'origine comme celle-ci (ci-dessous). Cela me permet de prendre des décisions concernant les identifiants avec des différences négatives dans les étapes suivantes.
output: ID ID2 var1 var2(diff) var_control 1 p 10 14 0 1 r 5 14 0 1 p 9 14 0 2 p 7 -6 1 2 r 6 -6 1 2 r 7 -6 1
Je pense que je l'ai fait avec toute votre aide. Merci beaucoup! Vous êtes génial
import pandas as pd
import numpy as np
df = pd.DataFrame({'id': [23, 23, 23, 43, 43],
'id2': ["r", "p", "p", "p", "r"],
'var1': [4, 6, 7, 1, 3]})
print(df)
df2 = df.pivot_table(values = "var1", index="id", columns="id2", aggfunc='sum')
df2['diff'] = df2['p'] - df2['r']
df["var_2"]=df['id'].map(df2["diff"])
df['control'] = np.where(df['var_2']<0, 1, 0)
Je pense que vous devriez clarifier un peu plus la question. Voulez-vous simplement "Grouper par" ou vous souhaitez effectuer des opérations arithmétiques entre les colonnes et grouper par en même temps?
Se mettre d'accord. Je vais expliquer ci-dessous