根据另一列中的值交换第一列中的值

Question

我有一个包含四列的数据框。第一列代表主题，每个主题在一列中连续重复 60 次。总共有 54 个主题。第二列代表块。每个主题都经历了 6 个以上的块，从第 1 个开始到第 6 个结束。第三列是名称。每个块包含 10 个名称，这些名称是从 20 个可能的名称中随机选择的。第四列代表名称的序列号。所以每个块都包含 1-10 的序列号和相应的随机分配的名称。问题是，名称被错误地分配给了他们的序列号。

我想要的是根据相应的序列号交换（改变位置）名称。所以 Name under Serial Number 1 将是 swapped with Name with the Serial Number 6 (pattern: 1=6, 2=7, 3=8, 4=9, 5=10)。 Serial Number 保持不变，但需要更改 Name 的顺序。我想为每个主题的每个块都这样做。我有一个代码在做正确的事情，但问题是，它只适用于第一个主题：

 df['Name'] = (df.assign(blk_5 = (np.arange(len(df))//5+1) % 2,
                 blk_10 = np.arange(len(df)) // 10
                )
         .sort_values(['Block','blk_10','blk_5'])
         ['Name'].values
      )

我尝试使用 groupby 对 Subject 列进行分组并为每个 Subject 分配函数，但没有成功。

def function_test(df):  
df['Name'] = (df.assign(blk_5 = (np.arange(len(df))//5+1) % 2,
                     blk_10 = np.arange(len(df)) // 10
                    )
             .sort_values(['Block','blk_10','blk_5'])
             ['Name'].values
          )

......
    grouped = df.groupby('Subject')
    print(grouped.transform(function_test))
...
Retrurns: AttributeError: 'Series' object has no attribute 'assign'

我试过的另一件事：

test = df.groupby(['Subject', 'Block']).apply(function_test)

什么都不做！

有什么建议吗？非常感谢！

Answer 1

IIUC 使用：

def function_test(x):  
    x['Name'] = (x.assign(blk_5 = (np.arange(len(x))//5+1) % 2,
                                   blk_10 = np.arange(len(x)) // 10
                    )
                  .sort_values(['Block','blk_10','blk_5'])
                   ['Name'].values
          )
    return x

df = df.groupby('Subject').apply(function_test)

根据另一列中的值交换第一列中的值

Swap values in first column based on values in another column

python

position

pandas