[PYTHON] Pandas: groupby (), um den Wert nach Gruppe zu vervollständigen

Pandas Studiennotizen.

http://pandas.pydata.org/pandas-docs/stable/groupby.html Während ich hier las, war es schwierig, das Beispiel der Gruppe durch Wertvervollständigung zu verstehen, daher werde ich ein einfaches Beispiel schreiben.

Vorbereitung.

In [1]: import pandas as pd

In [2]: import numpy as np

In [3]: key = list('ABCABCABC')

In [4]: value = [1,2,3,np.nan,np.nan,np.nan,4,4,4]

In [5]: df = pd.DataFrame({'key': key, 'value': value})

In [6]: df
Out[6]: 
  key  value
0   A    1.0
1   B    2.0
2   C    3.0
3   A    NaN
4   B    NaN
5   C    NaN
6   A    4.0
7   B    4.0
8   C    4.0

Füllen Sie () gruppenweise aus

Wenn Sie "ffill ()" ohne Gruppierung ausführen, werden alle drei NaNs mit "value" 3.0 mit "index" von 2 ergänzt.

In [7]: df.ffill()
Out[7]: 
  key  value
0   A    1.0
1   B    2.0
2   C    3.0
3   A    3.0
4   B    3.0
5   C    3.0
6   A    4.0
7   B    4.0
8   C    4.0

Wenn Sie nach Schlüssel gruppieren und dann ffill (), wird NaN für jede Gruppe durch den Wert unmittelbar vor NaN ergänzt. Wenn daher "Index" 0, 1, 2 ist ("Schlüssel" ist A, B, C), "Wert" 1,0, 2,0, 3,0 und "Index" 3, 4, 5 ("Schlüssel" ist A, B) C) "Wert" wird ergänzt.

In [8]: df.groupby('key').ffill()
Out[8]: 
  key  value
0   A    1.0
1   B    2.0
2   C    3.0
3   A    1.0
4   B    2.0
5   C    3.0
6   A    4.0
7   B    4.0
8   C    4.0

Nehmen Sie den Durchschnitt für jede Gruppe und füllen Sie ihn aus

Wenn "Wert" "NaN" ist, nehmen Sie den Durchschnittswert für jede Gruppe und füllen Sie ihn aus.

In [9]: f = lambda x: x.fillna(x.mean())

In [10]: transformed = df.groupby('key').transform(f)

In [11]: transformed
Out[11]: 
   value
0    1.0
1    2.0
2    3.0
3    2.5
4    3.0
5    3.5
6    4.0
7    4.0
8    4.0

Wenn Sie den Durchschnitt für jede Gruppe vor und nach dem Füllen nehmen, erhalten Sie den gleichen Wert (GroupBy.mean () [schließt NaN von der Berechnung aus](http: //pandas.pydata. org / pandas-docs / stabile / generierte / pandas.core.groupby.GroupBy.mean.html # pandas.core.groupby.GroupBy.mean)).

In [12]: df.groupby('key').mean()
Out[12]: 
     value
key       
A      2.5
B      3.0
C      3.5

In [13]: transformed.groupby(key).mean()
Out[13]: 
   value
A    2.5
B    3.0
C    3.5