python - 如何标记熊猫数据框中的最后一个重复元素

Question

如您所知，有一种方法.duplicated可以在列中查找重复项，但我需要的是知道我的数据按日期排序的最后一个重复元素。

Last_dup这是该列的预期结果Policy_id：

Id  Policy_id   Start_Date  Last_dup
0   b123        2019/02/24  0
1   b123        2019/03/24  0
2   b123        2019/04/24  1
3   c123        2018/09/01  0
4   c123        2018/10/01  1
5   d123        2017/02/24  0
6   d123        2017/03/24  1

提前感谢您的帮助和支持！

标签： pythonpandas

Answer 1

使用Series.duplicatedorDataFrame.duplicated指定列和参数keep='last'，然后将反转掩码转换为整数以True/False进行1/0映射或使用numpy.where：

df['Last_dup1'] = (~df['Policy_id'].duplicated(keep='last')).astype(int)
df['Last_dup1'] = np.where(df['Policy_id'].duplicated(keep='last'), 0, 1)

或者：

df['Last_dup1'] = (~df.duplicated(subset=['Policy_id'], keep='last')).astype(int)
df['Last_dup1'] = np.where(df.duplicated(subset=['Policy_id'], keep='last'), 0, 1)

---

print (df)
   Id Policy_id  Start_Date  Last_dup  Last_dup1
0   0      b123  2019/02/24         0          0
1   1      b123  2019/03/24         0          0
2   2      b123  2019/04/24         1          1
3   3      c123  2018/09/01         0          0
4   4      c123  2018/10/01         1          1
5   5      d123  2017/02/24         0          0
6   6      d123  2017/03/24         1          1