在数据帧上分组后，正片和负片会相互抵消，因此如何成对过滤正片和负片？

Question

我有一个pandas数据帧，如下所示。我在数据帧的3列上分组：

1. Cat1（Cat1的值可以是例如：A、B、C）
2. Cat2（Cat2的值可以是例如：N，M，O）
3. AbsOfTranAmt-AbsOfTranAmt是TranAmt的绝对值

在对Cat1、Cat2和AbsOfTranAmt进行分组后，下面的数据帧中有3个组。 我需要返回在TranAmt中加起来不为零的记录（这是美元金额列）。删除取消的记录

Cat1 Cat2 AbsOfTranAmt TranAmt
  A   N     10           10
  A   N     10          -10
  A   N     10           10
  A   N     20           20
  A   N     20          -20
  A   N     30          -30
  A   N     30           30
  A   N     30          -30
  A   N     30          -30
  A   N     30          -30

输出数据帧应为：

Cat1 Cat2 AbsOfTranAmt TranAmt
  A   N     10           10
  A   N     30          -30
  A   N     30          -30
  A   N     30          -30

这是另一个示例数据：

Cat1  Cat2 AbsOfTranAmt TranAmt  
 A  N   25  25  
 A  N   25  25  
 A  N   25  25  
 A  P   25  -25  
 A  P   25  -25  
 A  P   25  25  
 A  P   25  -25  
 A  P   25  25  
 A  P   25  25  
 A  O   25  25  
 A  N   25  -25  

Answer 1

我试图避免过多的迭代，但最后需要一些迭代，尽管可能有更好的方法来实现这一点（df包含初始示例数据）：

summary = df.groupby(['Cat1','Cat2','TranAmt']).count().reset_index()

summary['Count'] = summary.apply(lambda row: row['AbsofTranAmt'] if row['TranAmt'] > 0 else row['AbsofTranAmt'] * -1,axis=1)

summary['AbsofTranAmt'] = summary.apply(lambda row: row['TranAmt'] if row['TranAmt'] > 0 else row['TranAmt'] * -1,axis=1)

summary = summary.groupby(['Cat1','Cat2','AbsofTranAmt']).sum().reset_index()

summary['TranAmt'] = summary.apply(lambda row: row['AbsofTranAmt'] if row['Count'] > 0 else row['AbsofTranAmt'] * -1,axis=1)

print(summary)

这会给你

  Cat1 Cat2  AbsofTranAmt  TranAmt  Count
0    A    N            10       10      1
2    A    N            30      -30     -3

然后，您可以使用它重新创建生成的数据帧

results = []

for r in summary.to_dict('records'):
    count = abs(r.pop('Count'))
    results += [r]*count

result_df = pd.DataFrame(results)

print(result_df)

给你：

 AbsofTranAmt Cat1 Cat2  TranAmt
0            10    A    N       10
1            30    A    N      -30
2            30    A    N      -30
3            30    A    N      -30