基于行和列条件设置pandas dataframe值

Question

我有一个相当具体的算法，我想遵循。

基本上我有一个数据框架，如下所示：

        month   taken   score
1       1       2       23
2       1       1       34
3       1       2       12
4       1       2       59
5       2       1       12
6       2       2       23
7       2       1       43
8       2       2       45
9       3       1       43
10      3       2       43
11      4       1       23
12      4       2       94

我想让“分数”列在“得分”栏被更改为100天，在该月底之前，持续地取==2。因此，如果在该月内的任何一天中，所发生的次数==2的分数都设置为100，则为=1。

所以我想要的结果是：

^{pr2}$

我写了这个代码，我觉得应该这样做：

^{pr3}$

但是，尽管没有抛出错误，但这似乎不会改变任何值。。。它也不会给我设置值到复制数据帧的错误。

有人能解释我做错什么了吗？

Answer 1

值没有被更新的原因是对iloc的赋值会更新前面的loc调用返回的copy，因此原始值不会被触及。在

---

下面是我如何处理这个问题。首先，定义一个函数foo。在

def foo(df):
    for i in reversed(df.index):
        if df.loc[i, 'taken'] != 2:
            break
        df.loc[i, 'score'] = 100
        i -= 1
    return df

现在，groupbymonth并调用foo：

^{pr2}$

显然，apply有它的缺点，但是我想不出一种向量化的方法来解决这个问题。在

Answer 2

你能做到的

import numpy as np
def get_value(x):
    s = x['taken']
    # Get a mask of duplicate sequeence and change values using np.where
    mask = s.ne(s.shift()).cumsum().duplicated(keep=False)
    news = np.where(mask,100,x['score'])

    # if last number is 2 then change the news value to 100
    if s[s.idxmax()] == 2: news[-1] = 100 
    return pd.Series(news)

df['score'] = df.groupby('month').apply(get_value).values

输出：

^{pr2}$

几乎相同的速度，但“冷速”是赢家

ndf = pd.concat([df]*10000).reset_index(drop=True)

%%timeit
ndf['score'] = ndf.groupby('month').apply(foo)
10 loops, best of 3: 40.8 ms per loop


%%timeit  
ndf['score'] = ndf.groupby('month').apply(get_value).values
10 loops, best of 3: 42.6 ms per loop