我试图根据其他列中的值来计算某些行中的差异.

使用下面的示例数据框,我想基于“代码”列中的值计算时间差.具体来说,我想遍历并确定B和A之间的时间差.因此,B中的时间-A中的时间.

我可以使用iloc函数手动执行此操作,但我希望确定一种更有效的方法.特别是如果我必须重复多次此过程.

import pandas as pd
import numpy as np

k = 5
N = 15

d = ({'Time' : np.random.randint(k, k + 100 , size=N),
    'Code' : ['A','x','B','x','A','x','B','x','A','x','B','x','A','x','B']})

df = pd.DataFrame(data=d)

输出：

   Code  Time
0     A    89
1     x    39
2     B    24
3     x    62
4     A    83
5     x    57
6     B    69
7     x    10
8     A    87
9     x    62
10    B    86
11    x    11
12    A    54
13    x    44
14    B    71

预期产量：

     diff
1    -65
2    -14
3    -1
4     17

解决方法:

首先用boolean indexing进行过滤,然后用reset_index减去sub作为Align系列a和b的默认索引,如果要为一列DataFrame添加to_frame,则最后过滤：

a = df.loc[df['Code'] == 'A', 'Time'].reset_index(drop=True)
b = df.loc[df['Code'] == 'B', 'Time'].reset_index(drop=True)

类似的替代解决方案：

a = df.loc[df['Code'] == 'A'].reset_index()['Time']
b = df.loc[df['Code'] == 'B'].reset_index()['Time']

c = b.sub(a).to_frame('diff')
print (c)
   diff
0   -65
1   -14
2    -1
3    17

最后一个新索引从1开始添加重命名：

c = b.sub(a).to_frame('diff').rename(lambda x: x + 1)
print (c)
   diff
1   -65
2   -14
3    -1
4    17

如果需要更多差异的另一种方法是通过unstack重塑：

df = df.set_index(['Code', df.groupby('Code').cumcount() + 1])['Time'].unstack()
print (df)
         1     2     3     4     5     6     7
Code                                          
A     89.0  83.0  87.0  54.0   NaN   NaN   NaN
B     24.0  69.0  86.0  71.0   NaN   NaN   NaN
x     39.0  62.0  57.0  10.0  62.0  11.0  44.0

#last remove `NaN`s rows
c = df.loc['B'].sub(df.loc['A']).dropna()
print (c)
1   -65.0
2   -14.0
3    -1.0
4    17.0
dtype: float64

#subtract with NaNs values - fill_value=0 return non NaNs values
d = df.loc['x'].sub(df.loc['A'], fill_value=0)
print (d)
1   -50.0
2   -21.0
3   -30.0
4   -44.0
5    62.0
6    11.0
7    44.0
dtype: float64