Derek's questions

Meus dados de entrada:

df=pd.DataFrame({'ID':['A','B','C','D'],
                 'Group':['group1','group1','group2','group2'],
                 'Flag_1':[1,0,0,1],
                 'Flag_2':[1,1,0,1],
                 'Value':[30,40,60,70]
                })

Estou tentando somar "Valor" por grupo quando o sinalizador é igual a 1. Minha saída esperada é:

df_value_group=pd.DataFrame({
                 'Flag_1 Sum':[1,1],
                 'Flag_2 Sum':[2,1],
                 'Value_1 Sum':[30,70],
                 'Value_2 Sum':[70,70]},                 
    index=['group1','group2'])

Eu tentei isso, mas ele me gera um erro AssertionError principalmente devido às duas últimas funções lambda.

df.groupby('Group').agg(
    **{ 'Flag_1 Sum': ('Flag_1','sum'),
        'Flag_2 Sum': ('Flag_2','sum'),
        'Value_1 Sum': ('Flag_1', lambda col: df.loc[col.eq(1), 'Value'].sum()),
        'Value_2 Sum': ('Flag_2', lambda col: df.loc[col.eq(1), 'Value'].sum())
})

Gostaria de calcular a média para cada grupo relevante. Cada nome possui dois grupos e um valor. Quero definir qual é o grupo relevante para cada nome e depois obter a média do valor desse grupo relevante. A justificativa é que quero ter certeza de que há instâncias suficientes para que esse grupo calcule minha média para ter certeza de que ela é significativa.

Meu conjunto de dados brutos:

a=pd.DataFrame({'Name':['Jack','Peter','Jim','Alex','Dan','Chris'],
              'Group':['A','B','C','C','A','A'],
              'Sub Group':['a','b','b','c','c','c'],
               'Value':[3,5,2,6,7,1]})

Meu resultado esperado:

b=pd.DataFrame({'Name':['Jack','Peter','Jim','Alex','Dan','Chris'],
               'Label':['A',np.nan,np.nan,'c','A',' A'],
               'Average':[(3+7+1)/3,np.nan,np.nan,(6+7+1)/3,(3+7+1)/3,(3+7+1)/3]})

Para ilustrar a lógica, aqui está o exemplo, quero primeiro verificar se há pelo menos três pessoas em cada grupo. Eu primeiro verifico o Grupo, se não, vou para o próximo Subgrupo. Por exemplo, Jack tem um "Rótulo" de "A", isso ocorre porque há três "A" no Grupo, portanto não há necessidade de verificar o Subgrupo. Para o Peter, primeiro verifico se tem “B” no Grupo, não tem. Depois vou verificar se há três “b” no Subgrupo, também não existe, então Peter tem um “Rótulo” de NA. Para Alex, pela mesma lógica, existem apenas dois "C" no Grupo, então vou para o Subgrupo, há três "c" no Subgrupo, então Alex obteve um "Rótulo" de "c".

Quanto ao valor médio, Jack obteve a média de “A”, que é (3+7+1)/3, Alex obteve a média de “c”, que é (6+7+1)/3.

Isto é o que eu fiz:

a['Group Count']=a.groupby('Group')['Name'].transform('count')

a['Sub Group Count']=a.groupby('Sub Group')['Name'].transform('count')

a['Label']=np.where(a['Group Count']>=3,'Group', np.where(a['Sub Group Count']>=3,'Sub Group',np.nan))

a['Group Name']=np.where(a['Label']=='Group',a['Group'], np.where(a['Label']=='Sub Group',a['Sub Group'],np.nan))

group=a.groupby('Group')['Value'].mean().to_dict()

sub_group=a.groupby('Sub Group')['Value'].mean().to_dict()


a['Average']=np.where(a['Label']=='Group', a['Group Name'].map(group),
                      np.where( a['Label']=='Sub Group', a['Group Name'].map(sub_group),np.nan))

Existe alguma solução mais elegante? Porque tenho vários grupos em um conjunto de dados real e uma dúzia de valores para os quais preciso calcular a média.

aqui estão meus dados de amostra:

df=pd.DataFrame({'Name':['A,B','C','D','E,F,G']
              ,'Age':[4,6,8,9]})

Minha saída esperada é dividir as entradas se houver mais de um nome.

pd.DataFrame({'Name':['A','B','C','D','E','F','G']
              ,'Age':[4,4,6,8,9,9,9]})

Só posso dividir o nome, mas agora não sei como torná-lo entradas duplicadas. Para a primeira linha, há A,B sob o Nome, então quero transformá-la em duas linhas separadas, A e B ambas têm 4 anos. Da mesma forma, E,F,G têm 9 anos, então quero converter esta linha em três linhas com a mesma idade aos 9 anos.

df['Name'].apply(lambda x : x.split(','))