Pandas самодостаточность данных в кадре для заполнения столбца

Question

У меня есть датафрейм с данными как:

Значение "отношение" определяется из кодового идентификатора. Кожа имеет "кодид" = 11, который уже появился на сумке, поэтому в отношении мы положили значение сумки.
То же самое происходит с обувью.

ToDo: Заполните значение "отношение", установив проверку кодового идентификатора в терминах данных. Любая помощь будет оценена.

Редактировать: тот же код, например 11 может появиться> дважды. Но «отношение» может иметь значение только как bag, потому что bag - это первое, у которого codeid = 11. я тоже обновил картинку.

Answer 1

Я думаю, вы хотите сделать что-то вроде этого:

import pandas as pd
df = 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 rows

result = df.apply(codeid_analysis, axis = 1)
print(result)

Answer 2

Это не оптимальное решение, поскольку оно дорого обходится вашей памяти, но вот моя попытка. df1 создается для того, чтобы содержать значения null столбца relation, поскольку кажется, что нулевые значения - это первое вхождение. После некоторой очистки два кадра данных объединяются в один.

import pandas as pd
df = 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 relation
df1.drop_duplicates(subset=['name'], inplace=True)#drops the duplicates and retains the first entry
df1=df1.drop("relation",axis=1)#drop the unneeded column

final_df=pd.merge(df, df1, left_on='codeid', right_on='codeid')#merge the two dfs on the columns names

Answer 3

Если хотите, чтобы только первое значение дублирования было последним дублированным, используйте transform с first, а затем установите NaN значения с помощью loc с 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 relation
0   1    b      11        b
1   2    r      12        r
2   3    s      13        s
3   4    l      11        b
4   5    p      13        s

---

#get first duplicated values of codeid
print (df['codeid'].duplicated(keep='last'))
0     True
1    False
2     True
3    False
4    False
Name: codeid, dtype: bool

#get all duplicated values of codeid with inverting boolenam mask by ~ for unique rows   
print (~df['codeid'].duplicated(keep=False))
0    False
1     True
2    False
3    False
4    False
Name: codeid, dtype: bool

#chain boolen mask together 
print (df['codeid'].duplicated(keep='last') | ~df['codeid'].duplicated(keep=False))
0     True
1     True
2     True
3    False
4    False
Name: codeid, dtype: bool

---

#replace True values by mask by NaN 
df.loc[df['codeid'].duplicated(keep='last') | 
       ~df['codeid'].duplicated(keep=False), 'relation'] = np.nan
print (df)
   id name  codeid relation
0   1    b      11      NaN
1   2    r      12      NaN
2   3    s      13      NaN
3   4    l      11        b
4   5    p      13        s