如何匹配数据框中的相反值？

Posted 2023-03-12

【中文标题】如何匹配数据框中的相反值？

【英文标题】：How to match opposite values in data frame?

【发布时间】：2019-12-05 06:52:33

【问题描述】：

我基本上想从导入的数据框中消除相反的数量。

我的解决方案是构建一个新的数据框，忽略成对组合的总和为零的行。

考虑以下数据框：

df = pd.DataFrame([
    ['31/07/17', 43020500, 13552.65],
    ['31/07/17', 43020500, 13552.65],
    ['31/07/17', 43020500, 13552.65],
    ['31/07/17', 43020500, 13552.65],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, 241024.48],
    ['31/08/17', 43020500, -13552.65],
    ['31/08/17', 43020500, -13552.65],
    ['31/08/17', 43020500, -13552.65],
    ['31/08/17', 43020500, -13552.65],
    ['31/08/17', 43020500, -13552.65],
    ['30/06/17', 43020500, 133540.13],
], columns = ['Data', 'Account','Amount']
)

df
Out[34]: 
        Data   Account     Amount
0   31/07/17  43020500   13552.65
1   31/07/17  43020500   13552.65
2   31/07/17  43020500   13552.65
3   31/07/17  43020500   13552.65
4   31/08/17  43020500  241024.48
5   31/08/17  43020500  241024.48
6   31/08/17  43020500  241024.48
7   31/08/17  43020500  241024.48
8   31/08/17  43020500  241024.48
9   31/08/17  43020500  -13552.65
10  31/08/17  43020500  -13552.65
11  31/08/17  43020500  -13552.65
12  31/08/17  43020500  -13552.65
13  31/08/17  43020500  -13552.65
14  30/06/17  43020500  133540.13

data frame example

预期结果是由索引 4 到 8、13 和 14 组成的新数据框，但我的代码无法正常工作...

import numpy as np
import pandas as pd

pd.options.display.float_format = ':,.2f'.format

df = pd.read_excel('ContractAssets_copy.XLSX')
df.sort_values('Date')

dfToList = df['Amount'].tolist()

newdf = []

def index(a_list, value):
    try:
        return a_list.index(value)
    except ValueError:
        return None

for number in dfToList:
    key = index(dfToList, dfToList[number] * -1)
    if key == None:
        newdf.append(df[number])

newdf

我该如何解决这个问题？

【参考方案1】：

请注意，例如你有 4 个 13552.65 的值，但是 相反的值 (-13552.65) 是 5。

因此，如果每个值仅消除 一个 相反的值，那么在这种情况下为一个 应该留下负值（其他解决方案不尊重这一点 原则）。

从定义一个函数开始，以消除“不需要的”行（从 当前行组）：

def eliminate(grp):
    grpSorted = grp.sort_values('Amount')
    amt = grpSorted.Amount
    nNeg = np.count_nonzero(amt.lt(0))
    nPos = amt.size - nNeg
    if nNeg == 0 or nPos == 0:  # No opposite values
        return grp
    vDiff = nNeg - nPos
    return grpSorted.head(vDiff) if vDiff > 0 else grpSorted.tail(-vDiff)

然后添加AmountAbs栏：

df['AmountAbs'] = df.Amount.abs()

因为我们应该只根据 Amount 的绝对值对行进行分组。

最后您可以进行所需的分组并将上述功能应用于 每组：

df.groupby('AmountAbs').apply(eliminate)\
    .reset_index(level=0, drop=True)\
    .drop(columns=['AmountAbs'])

上述指令中的“完成动作”涉及：

从索引中删除 AmountAbs（仅保留原始索引）， 删除了 AmountAbs 列。

如果您愿意，可以在上述指令中添加.sort_index()，以 恢复原来的行顺序。

编辑

还有更短的解决方案，无需创建任何辅助列 （并在最后删除）。

消除功能略有不同：

def elim(grp):
    grpSorted = grp.sort_values('Amount')
    amt = grpSorted.Amount
    nNeg = np.count_nonzero(amt.lt(0))  # No of negative values
    nPos = amt.size - nNeg              # No of positive values
    vDiff = nNeg - nPos
    return grpSorted.head(vDiff) if vDiff > 0 else grpSorted.tail(-vDiff)

要应用它，运行：

df.groupby(lambda x: abs(df.loc[x, 'Amount']))\
    .apply(elim).reset_index(level=0, drop=True)

【参考方案2】：

您可以尝试删除任何具有相反值的内容：

df =df[~df['Amount'].isin(-1*df['Amount'])]

df
Out[36]: 
        Data   Account     Amount
4   31/08/17  43020500  241024.48
5   31/08/17  43020500  241024.48
6   31/08/17  43020500  241024.48
7   31/08/17  43020500  241024.48
8   31/08/17  43020500  241024.48
14  30/06/17  43020500  133540.13