熊猫：批量替换来自不同行的值符合相同条件

Question

我已经从sql server中提取了一些熊猫格式的数据。像这样的结构：

df = pd.DataFrame({'Day':(1,2,3,4,1,2,3,4),'State':('A','A','A','A','B','B','B','B'),'Direction':('N','S','N','S','N','S','N','S'),'values':(12,34,22,37,14,16,23,43)}) 

>>> df 
    Day Direction State values 
0 1   N  A  12 
1 2   S  A  34 
2 3   N  A  22 
3 4   S  A  37 
4 1   N  B  14 
5 2   S  B  16 
6 3   N  B  23 
7 4   S  B  43 

现在我想（A国==）本身来代替与同一天同一个方向，但所有值+值与同一天，同一个国家，但与（国家==乙）。例如，像这样：

df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'] = df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'A'),'values'].values + df.loc[(df.Day == 1) & (df.Direction == 'N') & (df.State == 'B'),'values'].values 

>>> df 
    Day Direction State values 
0 1   N  A  26 
1 2   S  A  34 
2 3   N  A  22 
3 4   S  A  37 
4 1   N  B  14 
5 2   S  B  16 
6 3   N  B  23 
7 4   S  B  43 

通知的第一行的值已经从12变更为26（12 + 14） 由于值是来自不同的行，所以种难以使用combine_first功能？

现在我必须使用两个循环（在'日'和'方向'）和上述归因语句来做，当数据帧变大时它非常缓慢。你有这样做的聪明和有效的方式吗？

Answer 1

您可以先定义一个函数在同一个组中添加从B到A的值。然后将这个函数应用到每个组。

def f(x): 
    x.loc[x.State=='A','values']+=x.loc[x.State=='B','values'].iloc[0] 
    return x 

df.groupby(['Day','Direction']).apply(f) 
Out[94]: 
    Day Direction State values 
0 1   N  A  26 
1 2   S  A  50 
2 3   N  A  45 
3 4   S  A  80 
4 1   N  B  14 
5 2   S  B  16 
6 3   N  B  23 
7 4   S  B  43