使用 panda apply() 函数将每个子组的所有值替换为子组最小值（无循环）

Posted 2023-03-11

【中文标题】使用 panda apply() 函数将每个子组的所有值替换为子组最小值（无循环）

【英文标题】：Replace all values for every subgroups with subgroup min value with panda apply() function (without loop)

【发布时间】：2022-01-24 00:04:49

【问题描述】：

我有一个熊猫数据框 df:

DIFF_HOURS  DIFF_TEMP
0   0.0     0.050886
1   1.0     0.660698
2   2.0     1.656014
3   3.0     2.543857
4   4.0     3.071813
...     ...     ...
627647  68.0    -1.708911
627648  69.0    -1.225022
627649  70.0    -2.040668
627650  71.0    -2.738665

对于数据可视化，我使用 x=DIFF_HOURS 和 y=DIFF_TEMP 绘制各种箱线图。

我想要 6 小时的分组：

Group 1: 0, 1, 2, 3,4,6
Group 2: 7,8,9,10,11,12
...
Group n: 66,67,68,69,70,71,72

并将每个子组的所有值替换为最小子组值：

Group 1: 0,0,0,0,0,0
Group 2: 7,7,7,7,7,7
...
Group n: 66,66,66,66,66,66

我不想使用循环。请问可以用panda apply()函数吗？

【问题讨论】：

apply 和使用循环一样低效

小时是连续的吗？请提供一个最小的可重现示例。您当前的示例不明确，因为您显然有 627650 行但只有 71 小时

@mozway: 627650 / 365 / 24 几乎等于 72

您好，抱歉。我只有 72 个不同的时间，但重复相同的时间。

【参考方案1】：

我的解决方案运行良好且快速：

every_hours = 6
max_periode = 72

for i in range(0, max_periode, every_hours):
      df.loc[(df['DIFF_HOURS'] > i) & (df['DIFF_HOURS'] <= (i+6)), 'DIFF_HOURS'] = i

【参考方案2】：

试试这个：

df.groupby(df['DIFF_HOURS'].mod(6).eq(0).cumsum())['DIFF_HOURS'].apply(lambda x: [x.min()]*6)

【讨论】：

您好，谢谢。如果我只有 72 个不同的时间，那么相同的时间会重复几次。