Как обновить значения столбца на месте, не создавая новый столбец?

Question

Существующий фрейм данных

Как получить желаемый результат, как показано ниже, используя панды?

Желаемый фрейм данных

СтолбцыA, B, C, D - существующее количество.Столбцы A1, B1, C1, D1 являются дефицитными величинами.Как перераспределить существующие количества в столбцы в дефицитных количествах?Существующие количества должны быть перераспределены в порядке C, B, A, D.Например, если A1 требует 10 единиц, сначала он должен принимать значения из «C», а как только он становится равным нулю, он должен принимать значения столбца «B».Как только все значения A, B, C, D станут равны нулю, оставшееся значение следует добавить в новый столбец «Остальные».Просьба помочь разобраться в этом.Спасибо.

Answer 1

Easy Way

Я думаю, что это сделает работу.Проблема с вашей потребностью в том, что ее нелегко поддерживать.Какой будет порядок столбцов «E», если однажды вам понадобится новый столбец?

df['shortage'] = df.A1 + df.B1 + df.C1 + df.D1

df['remaining'] = df['shortage'] - df.D - df.C - df.B - df.A
df.loc[df.remaining < 0, 'remaining'] = 0

df.C = df.C - df['shortage']
df.loc[df.C < 0, 'C'] = 0

df.B = df.C + df.B - df['shortage']
df.loc[df.B < 0, 'B'] = 0

df.A = df.C + df.B + df.A - df['shortage']
df.loc[df.A < 0, 'A'] = 0

df.D = df.C + df.B + df.A + df.D - df['shortage']
df.loc[df.D < 0, 'D'] = 0

for col in ['A1', 'B1', 'C1', 'D1']:
    df.loc[df[col] != 0, col] = df.loc[df[col] != 0, 'remaining']

df = df.drop('shortage', axis=1)

Динамический путь

Поскольку приведенный выше код не является динамическим, я дам вам второй способниже, который позволяет вам иметь новые столбцы (например, столбец «E»). Единственное, что вам нужно сохранить, это строка заказа 1

order = ['C', 'B', 'A', 'D']

# get the list of shortage_col (those which starts with 1) and non_shortage_col (the others)
shortage_col = [col for col in df.columns.tolist() if col.endswith('1')]
non_shortage_col = [col for col in df.columns.tolist() if not (col.endswith('1') | (col == 'Item'))]

# add together all columns that are in shortage_col
df['shortage'] = np.sum(df[shortage_col].values.tolist(),axis=1)

df['remaining'] = df['shortage'] - np.sum(df[non_shortage_col].values.tolist(),axis=1)
df.loc[df.remaining < 0, 'remaining'] = 0

# loop through order to get the list of all previous values for each item in order
# returns a list like that [['C'], ['C', 'B'], ['C', 'B', 'A'], ['C', 'B', 'A', 'D']]
to_add = []
for i in range(len(order)):
    list_of_previous = []
    for index, element in enumerate(order):
        if index < i + 1:
            list_of_previous.append(element)
    to_add.append(list_of_previous)

for i in range(len(order)):
    col = order[i]
    # same as : df.D = df.C + df.B + df.A + df.D - df['shortage']
    df[col] = np.sum(df[to_add[i]].values.tolist(),axis=1) - df['shortage']
    # same as : df.loc[df.D < 0, 'D'] = 0
    df.loc[df[col] < 0, col] = 0

for col in ['A1', 'B1', 'C1', 'D1']:
    df.loc[df[col] != 0, col] = df.loc[df[col] != 0, 'remaining']

df = df.drop('shortage', axis=1)