Antes que nada bienvenido a Stack Overflow en español.
Si pude entender bien tu problema, puede que sea sencillo hacerlo, explicarlo y entenderlo quizás no tanto. Espero pueda ayudarte de guía para lo que estas buscando. Debes tener en cuenta que para que podamos ayudarte a entender tu problema, deberías compartir tu progreso y el código que intentaste hacer, el output deseado y el error que te arroja el programa.
Volviendo a tu planteo, hice un DataFrame
tratando de simular tus datos:
import pandas as pd
import numpy as np
datos = [
['001','España','Indicador1',2000,52],
['001','España','Indicador1',2000,102],
['001','España','Indicador5',1999,42],
['001','España','Indicador5',1999,58],
['001','España','Indicador6',1998,22],
['002','Alemania','Indicador1',2000,52],
['002','Alemania','Indicador1',2000,42],
['002','Alemania','Indicador5',1999,100],
['002','Alemania','Indicador5',1999,10],
['002','Alemania','Indicador6',1998,11],
['003','Francia','Indicador1',2000,60],
['003','Francia','Indicador1',2000,40],
['003','Francia','Indicador5',1999,70],
['003','Francia','Indicador6',1998,100],
['004','Portugal','Indicador1',2000,52],
['004','Portugal','Indicador5',1999,52],
['004','Portugal','Indicador6',1998,52],
['004','Portugal','Indicador6',1998,18]
]
df = pd.DataFrame(data = datos ,columns=['CountryCode','CountryName','IndicatorName','Year','Value'])
Ahora donde dices [...]para cada País y para cada año, necesito hacer la suma de la columna "Value" de 3 diferentes indicadores. Esto se puede solucionar haciendo un groupby
.
Vamos a decirle que queremos agrupar CountryCode
(país), y Year
(año) y vamos a pedirle la suma de 'Value'
. Fíjate que el código es prácticamente escribir en inglés que haga exactamente eso.
total_value = df.groupby(['CountryCode','Year'])['Value'].sum().reset_index(name ='new_value')
Creamos un DataFrame
nuevo, llamado total_value
, donde se ve claramente que le pedimos la suma de la columna 'Value'
agrupada por las dos columnas CountryCode
y Year
, y agregamos el resultado en la nueva columna llamada new_value
.
Si hacemos un print
de new_value
CountryCode Year new_value
0 001 1998 22
1 001 1999 100
2 001 2000 154
3 002 1998 11
4 002 1999 110
5 002 2000 94
6 003 1998 100
7 003 1999 70
8 003 2000 100
9 004 1998 70
10 004 1999 52
11 004 2000 52
Ahora solo falta insertar los datos, en nuestro primer DataFrame
. Una opción puede ser usar pd.merge. Si conoces los joins
de sql
. Esto puede servirte de mucha ayuda, ya que permite fusionar dos tablas mediante uno o mas campos indicando de que forma quieres hacerlo (left,right,outer,inner
) conocidos? left join, full outer join, inner join
:-D
df_merge = pd.merge(total_value,df,on=['CountryCode',
'Year'],how='outer')
Unimos los dos DataFrame
en uno nuevo llamado df_merge
. ya falta poco, paciencia.
Finalmente tenemos todo lo que queremos pero nos falta algo..
[...]lo único que cambiaria sería el valor del "Value" dependiendo de la suma que se haga para cada año/país sobre el que se esté iterando.
Para esto se me ocurrió crear una columna nueva, llamada value_modificar
.(Podría reemplazar las columnas anteriores, pero la idea de crear una nueva es para que puedas verificar que sean correctos los datos a los que llegamos).
Para la nueva columna utilizo where de numpy
. Puede parecer raro, pero es fácil de entender, recibe 3 parámetros, el primero es la condición, el segundo el True
y el tercero el False
. En tu planteo no explicas cual es tu condición, entonces puse una condición un poco sencilla (new_value >= 50
). Si es verdadero, insertará: 'mayor o igual a 50', y si es falso: 'menor a 50'.
df_merge['value_modificar'] = np.where(df_merge['new_value']>=50,
'mayor o igual a 50',
'menor a 50')
Obteniendo como output final en df_merge
:
CountryCode Year ... Value value_modificar
0 001 1998 ... 22 menor a 50
1 001 1999 ... 42 mayor o igual a 50
2 001 1999 ... 58 mayor o igual a 50
3 001 2000 ... 52 mayor o igual a 50
4 001 2000 ... 102 mayor o igual a 50
5 002 1998 ... 11 menor a 50
6 002 1999 ... 100 mayor o igual a 50
7 002 1999 ... 10 mayor o igual a 50
8 002 2000 ... 52 mayor o igual a 50
9 002 2000 ... 42 mayor o igual a 50
10 003 1998 ... 100 mayor o igual a 50
11 003 1999 ... 70 mayor o igual a 50
12 003 2000 ... 60 mayor o igual a 50
13 003 2000 ... 40 mayor o igual a 50
14 004 1998 ... 52 mayor o igual a 50
15 004 1998 ... 18 mayor o igual a 50
16 004 1999 ... 52 mayor o igual a 50
17 004 2000 ... 52 mayor o igual a 50
[18 rows x 7 columns]