pandas 订单数据修改为具体补贴项目

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本需求为一组订单数据，一个订单有两条数据，一个为订单使用的优惠类型及优惠金额，另外一个为该优惠的补贴金额。由于补贴数据类型全部标记为「补贴」，这了方便我们查看，需要根据同订单的优惠类型，将补贴全部替换为优惠类型-补贴的形式。

数据与需求

以下为数据，我们先读入 DataFrame 数据对象：

import pandas as pd
from io import StringIO

data = '''
类型,订单,金额
补贴,1001,5
会员卡,1001,10
补贴,1002,8
优惠券,1002,19
补贴,1003,9
第三方,1003,20
补贴,1004,5
会员卡,1004,10
'''

df = pd.read_csv(StringIO(data))
df
# ...

根据需求，比如第一行数据的类型名为补贴，按订单号 1001 对应的类型列非补贴值修改为「会员卡-补贴」，其他订单类型。

这里我们假定优惠类型和补贴前后相对位置不固定。

思路

由于是按订单进行操作，我们要按订单分组，分组后只操作类型列，我们应用一个函数来操作，接下来就是考虑怎么操作个这个分组后的 Series。

我们来思考下每个订单的类型列组成的 Series 如何处理。我们要做的就是将值不为「补贴」的替换为「其他值-补贴」的形式。

我们接下来就是按这个思路编写代码。

代码

先来编写分组处理函数。由于为「补贴」的要替换，我们用 mask() 圈选出来操作：

def func(grouped: pd.Series):
    # 对非补贴值的内容拼接「-补贴」
    foo = grouped.loc[lambda s: ~(s=='补贴')].squeeze()+'-补贴'
    # 对值是「补贴」的内容进行替换
    return grouped.mask(grouped=='补贴', foo)

以上代码中 squeeze() 可以将我们筛选出的长度为 1 的 Series 转为标量。

最后，应该通过分组应用这个函数：

# 对类型列进行替换，按订单号分组后对分组内的类型列应用函数
df.assign(类型=df.groupby('订单').类型.apply(func))
'''
       类型    订单  金额
0  会员卡-补贴  1001   5
1     会员卡  1001  10
2  优惠券-补贴  1002   8
3     优惠券  1002  19
4  第三方-补贴  1003   9
5     第三方  1003  20
6  会员卡-补贴  1004   5
7     会员卡  1004  10
'''

这样我们就完成了需求。

（完）

pandas 订单数据修改为具体补贴项目

数据与需求

思路

代码

相关内容