Pandas 数据框在数据中的自我依赖以填充一列

Question

我有数据的数据框：

“relation”的值由codeid决定。皮革有“codeid”=11，它已经出现在包上，所以我们把价值包放在了一起。
鞋子也是一样。

ToDo：通过检查数据帧中的 codeid 来填充“relation”的值。任何帮助，将不胜感激。

编辑：相同的 codeid 例如 11 可以出现 > 两次。但是“关系”只能具有作为 bag 的值，因为 bag 是第一个具有 codeid=11 的值。我也更新了图片。

Answer 1

如果只想要第一个重复值到最后重复使用transformwithfirst然后NaN通过locwith设置值duplicated：df = pd.DataFrame({'id':[1,2,3,4,5],                   'name':list('brslp'),                   'codeid':[11,12,13,11,13]})df['relation'] = df.groupby('codeid')['name'].transform('first')print (df)   id name  codeid relation0   1    b      11        b1   2    r      12        r2   3    s      13        s3   4    l      11        b4   5    p      13        s#get first duplicated values of codeidprint (df['codeid'].duplicated(keep='last'))0     True1    False2     True3    False4    FalseName: codeid, dtype: bool#get all duplicated values of codeid with inverting boolenam mask by ~ for unique rows   print (~df['codeid'].duplicated(keep=False))0    False1     True2    False3    False4    FalseName: codeid, dtype: bool#chain boolen mask together print (df['codeid'].duplicated(keep='last') | ~df['codeid'].duplicated(keep=False))0     True1     True2     True3    False4    FalseName: codeid, dtype: bool#replace True values by mask by NaN df.loc[df['codeid'].duplicated(keep='last') |        ~df['codeid'].duplicated(keep=False), 'relation'] = np.nanprint (df)   id name  codeid relation0   1    b      11      NaN1   2    r      12      NaN2   3    s      13      NaN3   4    l      11        b4   5    p      13        s

Answer 2

这不是最佳解决方案，因为它会占用您的内存，但这是我的尝试。df1创建是为了保存列的null值relation，因为似乎空值是第一次出现。经过一些清理后，两个数据帧被合并为一个。import pandas as pddf = pd.DataFrame([['bag', 11, 'null'],                   ['shoes', 12, 'null'],                   ['shopper', 13, 'null'],                   ['leather', 11, 'bag'],                   ['plastic', 13, 'shopper'],                  ['something',13,""]], columns = ['name', 'codeid', 'relation'])df1=df.loc[df['relation'] == 'null'].copy()#create a df with only null values in relationdf1.drop_duplicates(subset=['name'], inplace=True)#drops the duplicates and retains the first entrydf1=df1.drop("relation",axis=1)#drop the unneeded columnfinal_df=pd.merge(df, df1, left_on='codeid', right_on='codeid')#merge the two dfs on the columns names

Answer 3

我想你想做这样的事情：import pandas as pddf = pd.DataFrame([['bag', 11, 'null'],                   ['shoes', 12, 'null'],                   ['shopper', 13, 'null'],                   ['leather', 11, 'bag'],                   ['plastic', 13, 'shoes']], columns = ['name', 'codeid', 'relation'])def codeid_analysis(rows):    if rows['codeid'] == 11:        rows['relation'] = 'bag'    elif rows['codeid'] == 12:        rows['relation'] = 'shirt' #for example. You should put what you want here    elif rows['codeid'] == 13:        rows['relation'] = 'pants' #for example. You should put what you want here    return rowsresult = df.apply(codeid_analysis, axis = 1)print(result)