python pandas 如何编辑重复值？

Question

我想更改我的副本的值。这是我的数据框：

  sku
FAT-001
FAT-001
FAT-001
FAT-002
FAT-002

我预期的数据框将如下所示

  sku
FAT-001 #don't want to change first value of duplicate 
FAT-001-01
FAT-001-02
FAT-002
FAT-002-01

Answer 1

df["number"] = df.groupby("sku").cumcount()
df.apply(lambda x: x.sku + ("" if x.number == 0 else "-" + str(x.number).rjust(2,"0")), axis = 1)

或：

df["number"] = "-" + df.groupby("sku").cumcount().astype(str).str.rjust(2, '0')
df.number[df["number"].eq("-" + "0" * 2)] = ""
df.sku + df.number

我的输出：

0       FAT-001
1    FAT-001-01
2    FAT-001-02
3       FAT-002
4    FAT-002-01
dtype: object

解释：

什么是 groupby？它是一个 sql-inspired 命令，可以根据每个唯一元素为您提供一些元素...例如：长度、最大值、列表或其他...

df = pd.DataFrame([
    [1,2],
    [1,3],
    [1,4],
    [2,5],
    [2,6],
], columns=["id","number"])
df.groupby("id").agg({"number": len})

给你：

    number
id  
1   3
2   2

每个唯一元素的数量，或

df.groupby("id").agg({"number": list})

给你

    number
id  
1   [2, 3, 4]
2   [5, 6]

你可以尝试 max 或 min 或 first...

使用 agg，您可以为每一列指定您想要的...如果您有多个列（除了 groupby），您可以为每一列指定一些内容 column...

除了 agg，goupped 数据帧还有其他方法：像 cumcount，为每个 group 设置索引每个 row，我的意思是它为每个 group:

重置 index

df.groupby("sku").cumcount()

输出：

您的第一个 FAT-001 获得 index: 0，下一个：1，...对于 FAT-002，首先再次获得索引 0...

所以，我们有两个你想要的部分，现在...因此我们必须找到一种方法将它们加入每个 row：axis:1 in apply 表示每一行

所以，您有一个例外：您不希望每个组的每一行都使用 index...因此将其更改为“”，为空：

df.apply(lambda x: "" if x.number == 0 else str(x.number), axis = 1)

:

0     
1    1
2    2
3     
4    1
dtype: object

您的 0 和 3 行用于 new-group...

接下来，您想要的格式是：01,02,...每个索引的 0。 pandas 有一种方法可以将每个字符串转换为具有任意 char: rjust(desird_length, arbitrary_char)

所需长度的字符串

工作原理：如果您将其称为 rjust(2,"0")，它不会更改 "22" 或其他 2-char、3-char、... 字符串，但是，如果您的字符串长度为1 like 1 将被转换为 01 和...（注意还有一个方法叫做 ljust :)）

df["number"] = df.groupby("sku").cumcount()
df.apply(lambda x: "" if x.number == 0 else str(x.number).rjust(2,"0"), axis = 1)

0      
1    01
2    02
3      
4    01
dtype: object

和if语句可以写成：

if x.number == 0:
   return ""
else:
    return "-" + str(x.number).rjust(2,"0")

还有一些要点：

什么是astype(str)：它将每个元素都转换为字符串，工作方式类似于str(x)，但对每个元素。为什么？在它之前添加“-”并使用 rjust.
什么是eq？如果等于值，则每行为 is-equal? 和 return True，否则为 False。
为什么df.number[df["number"].eq("-" + "0" * 2)] = ""？因为我们将每个组的所有第一个元素都转换为 ""
为什么"-" + "0" * 2？因为我们在上一行添加了 "-" 和 ljust，所以我们必须使用正确的值："-00"。为什么 "0" * 2？因为你可以使用 ljust length 的每个数字，比如 10，并将它也设置在那里

Answer 2

类似于@MoRe的回答，使用groupby.cumcount创建组；然后你可以使用 str.zfill 填充 0s 和 mask 每组的第一个元素：

groups = df.groupby('sku').cumcount()
df['new'] = df['sku'] + ('-' + groups.astype('string').str.zfill(2)).mask(groups.eq(0), '')

输出：

       sku         new
0  FAT-001     FAT-001
1  FAT-001  FAT-001-01
2  FAT-001  FAT-001-02
3  FAT-002     FAT-002
4  FAT-002  FAT-002-01

Answer 3

替代方案one-liner：

 df.sku = df.sku + df.groupby('sku').cumcount().apply(lambda x: f"-{x:02d}" if x > 0 else '')

输出：

          sku
0     FAT-001
1  FAT-001-01
2  FAT-001-02
3     FAT-002
4  FAT-002-01

python pandas how to edit value of duplicate?