如何解决快速更新数据框行
我有两个单独的问题，我想基于该行的其他列或其他相关行中的值来设置数据框列中的值（即，具有与所述行列值相同的某些列值的其他行） ）。
启动DF
acct no product type amount product sum product id
0 100 1 35 0.0 NaN
1 100 2 45 0.0 NaN
2 100 2 50 0.0 NaN
3 101 4 10 0.0 NaN
4 101 4 1 0.0 NaN
5 102 5 70 0.0 NaN
6 102 6 90 0.0 NaN
在一个问题中（对于工作），我想分组（在这种情况下，在两列中），取第三列中列出的值的总和，然后将此总和值写入到此处未设置的位置分组依据的所有行上的列
ex（帐户产品分组依据，总和为产品总和）：
acct no product type amount product sum product id
0 100 1 35 35.0 NaN
1 100 2 45 95.0 NaN
2 100 2 50 95.0 NaN
3 101 4 10 11.0 NaN
4 101 4 1 11.0 NaN
5 102 5 70 70.0 NaN
6 102 6 90 90.0 NaN
在另一个问题（针对“ fun”）中，我想创建一个基于另一个列值“ account number”并遵循惯例account_number_i的“ product_id”，其中i是该帐户的第i个产品
ex（通过帐户组进行迭代，并作为帐户迭代次数写入产品ID ）：
acct no product type amount product sum product id
0 100 1 35 0.0 100-1
1 100 2 45 0.0 100-2
2 100 2 50 0.0 100-3
3 101 4 10 0.0 101-1
4 101 4 1 0.0 101-2
5 102 5 70 0.0 102-1
6 102 6 90 0.0 102-2
在尝试完成这两个操作时，我首先遍历了已排序的数据帧并利用了group by和sum之类的功能，但是它的运行速度与您想象的一样慢。我对Pandas语法的理解不如对python感到满意，我要问的一个原因是要更好地掌握执行一项看起来很普通/重要任务的最佳方法，并根据相关行更新空行。我已经使用熊猫作为移动平均值，并且知道这很快，但是我想要的是更深奥的。
解决方法
不要遍历数据框-99％的情况下都有更好的选择。
将groupby与transform和cumcount结合使用可以轻松解决您的问题：
df["product sum"] = df.groupby(["acct no","product type"])["amount"].transform('sum')
df["product id"] = df["acct no"].astype(str)+"-"+(df.groupby("acct no").cumcount()+1).astype(str)
print (df)
acct no product type amount product sum product id
0 100 1 35 35 100-1
1 100 2 45 95 100-2
2 100 2 50 95 100-3
3 101 4 10 11 101-1
4 101 4 1 11 101-2
5 102 5 70 70 102-1
6 102 6 90 90 102-2
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。