python - 根据组的长度拆分和更改 pandas 'groupby' 元素的值

Question

我有一个 pandas DataFrame 对象，其中有一列名为'order_id'。具有相同 id 的行属于一个且相同的顺序（大小可以是 1 到 1000 之间的任何值），例如：

sales_orders = {
    'order_id': [1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4],
    # multiple other fields 
}
df = pd.DataFrame(sales_orders)

我需要根据截止值（例如 3）将组拆分为更小的块。理想情况下，除了列的后缀之外没有其他变化，即：

'order_id': [1-0, 1-0, 1-0, 1-1, 1-1, 1-1, 1-2, 2, 2, 2, 3-0, 3-0, 3-0, 3-1, 3-1, 3-1, 3-2, 3-2, 3-2, 4]

我假设人们可以简单地遍历这些组并在 for 循环中单独触摸每个组，如下所示：

for order_id, group in df.groupby(by=['order_id']):
    if group.shape[0] > 2:
        # change column line by line

但这看起来令人难以置信的 unpanda'ish 和可怕的缓慢。因此，我将不胜感激一个明智、高性能和可读的解决方案；）提前感谢您的帮助！

标签： pythonpandasetlpandas-groupbydata-science

Answer 1

使用groupbyandcumcount获取后缀，然后使用np.where有条件地设置它们。

c = df.groupby('order_id').cumcount() // 3
m = (c == 0).groupby(df.order_id).transform('all')

df['order_id2'] = (
    np.where(m, df.order_id, df.order_id.astype(str) + '-' + c.astype(str))
      .astype(str))

df.head(10)

   order_id order_id2
0         1       1-0
1         1       1-0
2         1       1-0
3         1       1-1
4         1       1-1
5         1       1-1
6         1       1-2
7         2         2
8         2         2
9         2         2

---

如果您对 2 和 4 也有后缀感到满意，则可以使用稍微简单的解决方案；您可以使用groupbyandcumcount来生成后缀，然后使用str.cat来加入它们。

c = (df.groupby('order_id').cumcount() // 3).astype(str)
df['order_id3'] = df['order_id'].astype(str).str.cat(c, sep='-')

df.head(10)

   order_id order_id2 order_id3
0         1       1-0       1-0
1         1       1-0       1-0
2         1       1-0       1-0
3         1       1-1       1-1
4         1       1-1       1-1
5         1       1-1       1-1
6         1       1-2       1-2
7         2         2       2-0
8         2         2       2-0
9         2         2       2-0