Skip to main content
 首页 » 编程设计

python之设置一些行等于其他行 Pandas

2025年05月04日12zhwl

我有一个像这样的 DataFrame:

         A   B 
0  name1_X   2 
1  name2_X   2 
2  name3_X   2 
3  name1_Y NaN 
4  name2_Y NaN 
5  name3_Y NaN 

其中 A 列是带有后缀 _X 或 _Y 的名称,B 列是一个值。

我想让 _Y 的行等于

`-1 * corresponding `_X` 

同名。

输出应该是,

         A   B 
0  name1_X   2 
1  name2_X   2 
2  name3_X   2 
3  name1_Y  -2 
4  name2_Y  -2 
5  name3_Y  -2 

有时,DataFrame 会是

         A   B 
0  name1_X   2 
1  name1_Y NaN 
2  name2_Y NaN 
3  name3_Y NaN 

输出应该是:

         A   B 
0  name1_X   2 
1  name1_Y  -2 
2  name2_Y NaN 
3  name3_Y NaN 

非重叠部分保持 NaN

如何简单地解决这个问题?

请您参考如下方法:

从数据框中分离“X”值并创建相应的“Y”值。然后连接起来。

我扩展了示例数据框以考虑名称不匹配的情况。在这种情况下,如果名称以“_X”结尾,将创建一个新的“_Y”名称变量。如果有名称'_Y'但没有对应的名称'_X',则保持不变。

df = pd.DataFrame({'A': ['name0_X', 'name2_X', 'name3_X', 'name1_Y', 'name2_Y', 'name4_Y'], 
                   'B': [2.0, 2.0, 2.0, None, None, None]}) 
>>> df 
         A   B 
0  name0_X   2  # Create new `name0_Y` 
1  name2_X   2  # Match. Multiply value by minus one. 
2  name3_X   2  # Create new `name3_Y` 
3  name1_Y NaN  # No match. Leave as is. 
4  name2_Y NaN  # Update with matching X after multiplying by minus one. 
5  name4_Y NaN  # No match. Leave as is. 
 
dfx = df[df.A.str[-2:] == '_X'] 
dfy = dfx.copy() 
dfy.B *= -1 
dfy.A = dfy.A.str[:-2] + '_Y' 
y_names = df[df.A.str[-2:] == '_Y'].A 
missing_Y_names = y_names[~y_names.isin(dfy.A)] 
df_missing_y = df.loc[df.A.isin(missing_Y_names), :] 
result = pd.concat([dfx, dfy, df_missing_y], ignore_index=True) 
 
>>> result 
         A   B 
0  name0_X   2 
1  name2_X   2 
2  name3_X   2 
3  name0_Y  -2 
4  name2_Y  -2 
5  name3_Y  -2 
6  name1_Y NaN 
7  name4_Y NaN