问题描述
要获得每个组使用的A列的最小值 transform
df.groupby('group_id')['A'].transform('min')
解决方法
这可能是一个琐碎的问题，但我仍在尝试找出pandas / numpy。
因此，假设我有一个具有以下结构的表：
group_id | col1 | col2 | col3 | "A" | "B"
x | 1 | 2 | 3 | NaN | 1
x | 3 | 2 | 3 | 1 | 1
x | 4 | 2 | 3 | 2 | 1
y | 1 | 2 | 3 | NaN | 3
y | 3 | 2 | 3 | 3 | 3
z | 3 | 2 | 3 | 10 | 2
z | 2 | 2 | 3 | 6 | 2
z | 4 | 2 | 3 | 4 | 2
z | 4 | 2 | 3 | 2 | 2
请注意，有一个group_id将每行中的元素分组。因此，一开始，我具有group_id和col1-col3列的值。
然后，对于每一行，如果col1，col2或col3的值= 1，则“ A”为NaN，否则该值基于公式（与此处无关，因此我在其中放置了一些数字）。
那，我知道如何使用：
df["A"] = np.where(((df['col1'] == 1)|(df['col2']== 1) | (df['col3']) == 1))),NaN,value)
但是对于列“ B”，我需要使用特定组中列A的最小值填充它。
因此，例如，对于具有组X的所有行，“ B”等于“ 1”，因为对于所有“ x”组行的A列中的最小值等于1。
同样，对于“ y”组中的行，最小值为3，对于“ z”组中的最小值为2。我如何使用熊猫来做到这一点？这让我更加困惑，因为特定组的行数可能会有所不同。
如果它们都是相同的大小，我只能说用预设范围内的最小值填充它。
我希望这是有道理的; 请让我知道我是否应该提供更清晰的示例或澄清任何内容！