Pandas удаление и смещение ячеек в столбце на нескольких условиях - PullRequest
Новая
       111

Pandas удаление и смещение ячеек в столбце на нескольких условиях

2 голосов
/ 04 мая 2020

У меня есть ситуация, когда я хочу удалить и сдвинуть ячейки в pandas фрейме данных при некоторых условиях. Мой фрейм данных выглядит так: 

Value_1      ID_1      Value_2      ID_2         Value_3      ID_3
   A           1            D         1               G          1
   B           1            E         2               H          1
   C           1            F         2               I          3
   C           1            F         2               H          1

Теперь я хочу сравнить следующие условия: 

ID_2 and ID_3 should always be less than or equal to ID_1. If anyone of them is greater than ID_1 then that cell should be deleted and shifted with the next column cell

Вывод должен выглядеть следующим образом: 

    Value_1      ID_1      Value_2      ID_2         Value_3      ID_3
       A           1            D         1               G          1
       B           1            H         1           blank        nan
       C           1       blank        nan           blank        nan
       C           1            H         1           blank        nan

1 Ответ

1 голос
/ 05 мая 2020

Вы можете создать маску по условию, здесь для больших значений, таких как ID_1 от DataFrame.gt :: 

cols1 = ['Value_2','Value_3']
cols2 = ['ID_2','ID_3']

m = df[cols2].gt(df['ID_1'], axis=0)
print (m)
    ID_2   ID_3
0  False  False
1   True  False
2   True   True
3   True  False

Затем замените пропущенные значения, если маска соответствия соответствует DataFrame.mask: 

df[cols2] = df[cols2].mask(m) 
df[cols1] = df[cols1].mask(m.to_numpy())

И последнее использование DataFrame.shift с установкой новых столбцов на Series.mask: 

df1 = df[cols2].shift(-1, axis=1)
df['ID_2'] =  df['ID_2'].mask(m['ID_2'], df1['ID_2'])
df['ID_3'] =  df['ID_3'].mask(m['ID_2'])

df2 = df[cols1].shift(-1, axis=1)
df['Value_2'] =  df['Value_2'].mask(m['ID_2'], df2['Value_2'])
df['Value_3'] =  df['Value_3'].mask(m['ID_2'])

print (df)
  Value_1  ID_1 Value_2  ID_2 Value_3  ID_3
0       A     1       D   1.0       G   1.0
1       B     1       H   1.0     NaN   NaN
2       C     1     NaN   NaN     NaN   NaN
3       C     1       H   1.0     NaN   NaN

И последнее при необходимости заменить на пустые строки: 

df[cols1] = df[cols1].fillna('')
print (df)
  Value_1  ID_1 Value_2  ID_2 Value_3  ID_3
0       A     1       D   1.0       G   1.0
1       B     1       H   1.0           NaN
2       C     1           NaN           NaN
3       C     1       H   1.0           NaN
...