主页 / coding / 问题 / 78319421
Accepted
Евгения
Asked: 2024-04-13 11:00:24 +0800 CST

字典中列的最小值

  • 772

我有一个带有项目\列名称的字典和一个带有来自字典和其他列的列的 df 。如何将列添加到 df ，其中每个项目的最小值仅来自 dict 对应的列？

import pandas as pd
my_dict={'Item1':['Col1','Col3'],
'Item2':['Col2','Col4']
        }
df=pd.DataFrame({
            'Col0':['Item1','Item2'],
            'Col1':[20,25],
            'Col2':[89,15],
            'Col3':[26,30],
            'Col4':[40,108],
            'Col5':[55,2]
            })
df['min']=?

我试过

df['min']=df[df.columns[df.columns.isin(my_dict)]].min(axis=1),

但没有成功。

python

3 个回答

  1. Best Answer

    您可以使用apply一个函数，从字典中读取适当的列名称（如果没有匹配，则返回空列表），然后获取指定列的最小值：

    my_dict = {
    'Item1': ['Col1', 'Col3'],
    'Item2': ['Col2', 'Col4']
}

df['min'] = df.apply(lambda r:r[my_dict.get(r['Col0'], [])].min(), axis=1)

    输出：

        Col0  Col1  Col2  Col3  Col4  Col5  min
0  Item1    20    89    26    40    55   20
1  Item2    25    15    30   108     2   15

    如果可能my_dict包含数据框中不存在的列名称，您可以在函数中检查。例如：

    my_dict = {
    'Item1': ['Col1', 'Col3'],
    'Item2': ['Col4', 'Col6']
}

df['min'] = df.apply(
    lambda r:r[[col for col in my_dict.get(r['Col0'], []) if col in r]].min(),
    axis=1
)

    输出：

        Col0  Col1  Col2  Col3  Col4  Col5  min
0  Item1    20    89    26    40    55   20
1  Item2    25    15    30   108     2  108

    如果需要，您甚至可以获得列名称：

    my_dict = {
    'Item1': ['Col1', 'Col3'],
    'Item2': ['Col2', 'Col4']
}

df[['min', 'name']] = df.apply(
    lambda r:min((r[col], col) for col in my_dict.get(r['Col0'], []) if col in r),
    axis=1, result_type='expand'
)

    输出：

        Col0  Col1  Col2  Col3  Col4  Col5  min  name
0  Item1    20    89    26    40    55   20  Col1
1  Item2    25    15    30   108     2   15  Col2
    • 4

  2. 您可以使用字典来计算Item和的存在表Col。然后使用该表来屏蔽原始数据帧。

    my_dict = {
    'Item1':['Col1','Col3'],
    'Item2':['Col6','Col4']
}

m = pd.crosstab(*(pd.DataFrame(my_dict)
                  .stack().reset_index(level=1)
                  .T.to_numpy()))

df['min'] = df.set_index('Col0').where(m.eq(1), float('inf')).min(axis=1).to_list()

    print(m)

col_0  Col1  Col3  Col4  Col6
row_0                        
Item1     1     1     0     0
Item2     0     0     1     1


print(df)

    Col0  Col1  Col2  Col3  Col4  Col5    min
0  Item1    20    89    26    40    55   20.0
1  Item2    25    15    30   108     2  108.0
    • 3

  3. 另一种方法使用groupby.apply. 如果该值可以重复，则这样做的优点是可以同时索引共享相同“Col0”值的所有行。

    df[['min', 'name']] = (df
   .assign(default=np.nan)
   .groupby('Col0', group_keys=False)
   .apply(lambda x: x[my_dict.get(x.name, ['default'])]
                    .agg(['min', 'idxmin'], axis=1),
          include_groups=False)
)

    输出：

        Col0  Col1  Col2  Col3  Col4  Col5 min  name
0  Item1    20    89    26    40    55  20  Col1
1  Item2    25    15    30   108     2  15  Col2
    • 1

相关问题