Pandas/Python中的数据修正

Question

我需要更新我的数据框（df）中的一部分数据，这些数据是根据数据框中的另一部分计算得出的。

PERSNR	XYZ	DATE	VALUE
22222	a	一月	0.8
22222	b	一月	0.2
22222	a	二月	0.8
22222	b	二月	0.2

我有一个数据框，里面有大约8000个PERSNR，看起来像这样，只是列更多。

对于我已经知道的一个子集（我有一个PERSNR的列表来过滤），我需要把这些值加起来，忽略XYZ这一列。

我可以用透视表（pivot_table）来做到这一点，并从中得到另一个数据框。

我现在的问题是，我需要在原始数据框中更新这些值。

我的目标是得到下面这个结果，同时不丢失数据框中的其他数据。

PERSNR	XYZ	DATE	VALUE
22222	a	一月	1.0
22222	b	一月	0.0

在Excel中，我会对我的VALUE列进行条件求和（sumifs），根据PERSNR、XYZ和DATE来计算。

然后，我会用查找（vlookup）来替换VALUE列中的值，并把标识符XYZ为“b”的值覆盖为零。这些值总是会是零。

有没有什么建议可以做到这一点？

谢谢！

迈克

Answer 1

假设你有一个这样的数据框：

data = {
    "PERSNR": [22222, 22222, 22222, 22222, 55555, 55555],
    "XYZ": ["a", "b", "a", "b", "a", "b"],
    "DATE": ["Jan", "Jan", "Feb", "Feb", "Jan", "Jan"],
    "VALUE": [0.8, 0.2, 0.8, 0.2, 0.8, 0.2],
}

   PERSNR XYZ DATE  VALUE
0   22222   a  Jan    0.8
1   22222   b  Jan    0.2
2   22222   a  Feb    0.8
3   22222   b  Feb    0.2
4   55555   a  Jan    0.8
5   55555   b  Jan    0.2

1. 合并两个数据框：(i) 原始数据框去掉 VALUE 这一列，(ii) 另一个数据框，按 PERSNR 分组（假设这个字段会有多个值；如果没有，就不需要这个字段）和 DATE，然后对每个组里的 VALUE 进行求和，并重置索引。

2. 把 VALUE 这一列中，df["XYZ"] == "b" 的地方设置为 0。

3. 使用 .loc 只对选定的 PERSNR 值执行之前的步骤。

selected_persnr = [22222]  # add all selected values here

df.loc[df["PERSNR"].isin(selected_persnr)] = pd.merge(
    df.drop(columns="VALUE"),
    df.groupby(["PERSNR", "DATE"])["VALUE"].sum().reset_index(),
)
df.loc[(df["PERSNR"].isin(selected_persnr)) & (df["XYZ"] == "b"), "VALUE"] = 0

   PERSNR XYZ DATE  VALUE
0   22222   a  Jan    1.0
1   22222   b  Jan    0.0
2   22222   a  Feb    1.0
3   22222   b  Feb    0.0
4   55555   a  Jan    0.8
5   55555   b  Jan    0.2