将两个数据范围之间的行交换与模式

Question

我有2个看起来像这样的数据范围：

在每个数据框中，值列中的模式为1-2。 （只是为了证明模式，这些值对我的问题并不重要）

df1 = {'idx': [ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
       'values': [20, 1000, 10001, 21, 1000, 1002, 22, 1003, 1007,23]}
df2 = {'idx': [ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
       'values': [1000, 21, 22, 1000, 22, 23, 1000, 20, 21, 1000]}

我需要在两个数据范围之间交换行，以便结果是：

df_expected1 = {'idx': [ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
       'values': [20, 21, 22, 21, 22, 23, 22, 20, 21,23]}

df_expected2 = {'idx': [ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
       'values': [1000, 1000, 10001, 1000, 1000, 1002, 1000, 1003, 1007, 1000]}

Answer 1

知道掉期需要的索引来自3N-2，您可以制作掩码，然后使用numpy.Where：

m = df1["idx"].add(2).mod(3).eq(0)
s1 = np.where(m, df1["values"], df2["values"])
s2 = np.where(~m, df1["values"], df2["values"])

df1["values"] = s1
df2["values"] = s2

输出：输出：

   idx  values
0    1      20
1    2      21
2    3      22
3    4      21
4    5      22
5    6      23
6    7      22
7    8      20
8    9      21
9   10      23

   idx  values
0    1    1000
1    2    1000
2    3   10001
3    4    1000
4    5    1000
5    6    1002
6    7    1000
7    8    1003
8    9    1007
9   10    1000

Answer 2

知道两个dataframes之间的索引相同：

df1[df1['idx']%3 == 1], df2[df1['idx']%3 == 1] = df2[df1['idx']%3 == 1], df1[df1['idx']%3 == 1]

输出：输出：

   idx  values
 0    1    1000
 1    2    1000
 2    3   10001
 3    4    1000
 4    5    1000
 5    6    1002
 6    7    1000
 7    8    1003
 8    9    1007
 9   10    1000
    idx  values
 0    1      20
 1    2      21
 2    3      22
 3    4      21
 4    5      22
 5    6      23
 6    7      22
 7    8      20
 8    9      21
 9   10      23

Answer 3

在下面的代码段中，我假设df1和df2中的索引相等，并且来自df1的值总是应该大于DF2。

import pandas as pd
import numpy as np

from pprint import pprint

df1 = {'idx': [ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
       'values': [20, 1000, 10001, 21, 1000, 1002, 22, 1003, 1007,23]}
df2 = {'idx': [ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
       'values': [1000, 21, 22, 1000, 22, 23, 1000, 20, 21, 1000]}

a = pd.DataFrame(df1).set_index('idx')
b = pd.DataFrame(df2).set_index('idx')

col_name = 'values'
a_series = a[col_name]
b_series = b[col_name]
for i in a_series.index:
    if a_series.loc[i] > b_series.loc[i]:
        a_series.loc[i], b_series.loc[i] = b_series.loc[i], a_series.loc[i]

df_expected1 = {'idx': a_series.index.tolist(), 'values': a_series.values.tolist()}
df_expected2 = {'idx': b_series.index.tolist(), 'values': b_series.values.tolist()}

pprint(df_expected1)
pprint(df_expected2)

输出：

{'idx': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
 'values': [1000, 1000, 10001, 1000, 1000, 1002, 1000, 1003, 1007, 1000]}
{'idx': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
 'values': [20, 21, 22, 21, 22, 23, 22, 20, 21, 23]}