我试图按熊猫DataFrame中的列进行分组，并应用ifelse函数，该函数具有使用列值的测试，并根据测试返回不同的true和false值。
我使用data.table包在R中轻松实现了这一点，我基本上希望在Python中使用pandas做到这一点。
library(data.table)
dat <- data.table(
i_n = c('a', 'b', 'b', 'd', 'e', 'f', 'g', 'h', 'h', 'i'),
m_b_r = c(0, 1, 0, 0, 0, 0, 0, 1, 0, 0),
o_q = c(1, 8, 8, 1, 1, 1, 1, 2, 2, 1),
a_q = c(1, 5, 15, 1, 57, 1, 5, 1, 1, 1)
)
dat <- dat[, ('p_q') := ifelse(
test =get('m_b_r') == 1,
yes =get('a_q'),
no =get('o_q') - data.table::shift(get('a_q'), n = 1L, type = 'lag', fill = 0 )
), by = 'i_n']
最佳答案
我相信需要numpy.where和DataFrameGroupBy.shift：
shifted = dat.groupby('i_n')['a_q'].shift().fillna(0)
dat['p_q'] = np.where(dat['m_b_r'] == 1, dat['a_q'], dat['o_q'] - shifted)
print (dat)
i_n m_b_r o_q a_q p_q
0 a 0 1 1 1.0
1 b 1 8 5 5.0
2 b 0 8 15 3.0
3 d 0 1 1 1.0
4 e 0 1 57 1.0
5 f 0 1 1 1.0
6 g 0 1 5 1.0
7 h 1 2 1 1.0
8 h 0 2 1 1.0
9 i 0 1 1 1.0
可以调用自定义函数，但是更快的是第一个解决方案：
def f(x):
x['p_q'] = np.where(x['m_b_r'] == 1, x['a_q'], x['o_q'] - x['a_q'].shift().fillna(0))
return x
df = dat.groupby('i_n').apply(f)
print (df)
i_n m_b_r o_q a_q p_q
0 a 0 1 1 1.0
1 b 1 8 5 5.0
2 b 0 8 15 3.0
3 d 0 1 1 1.0
4 e 0 1 57 1.0
5 f 0 1 1 1.0
6 g 0 1 5 1.0
7 h 1 2 1 1.0
8 h 0 2 1 1.0
9 i 0 1 1 1.0