时间戳

首页 > 解决方案 > pandas：具有扩展应用和条件的 Groupby

python - pandas：具有扩展应用和条件的 Groupby

问题描述

我想对一列进行扩展最小值，同时遵循基于另一列的条件：

df = pd.DataFrame({'_id': ['a','a', 'a', 'a', 'a'], 
                   'account': [1,2,3,2,5], 
                   'status':[3, 1, 5, 2, 7]})

  _id  account  status
0   a        1       3
1   a        2       1
2   a        3       5
3   a        2       2
4   a        5       7

这些行按时间顺序从最旧到最新排序，并在用户_id对 进行status更改时显示account。所以在这里我们可以看到用户在某个时间点将a帐户标记2为status1，然后将该值更新为2。

我需要一status_hist列显示所有a帐户的全局状态，其中全局状态定义为min所有现有状态的。在索引0处只有一个状态，所以status_hist是 3，在索引1处现在有两个状态，并且status_hist是 1，依此类推。当我们到达 index3时，全局状态应该从1变为2，因为状态account 2现在已经改变了。

我可以使用 轻松做到这一点df.itertuples()，但如果有更快的方法，我想避免这样做。如果这有助于澄清我所追求的，这是 itertuples 解决方案：

df2 = pd.DataFrame()

for _, group in df.groupby('_id'):
    res = []
    statuses = defaultdict()
    for row in group.itertuples():
        statuses[row.account] = row.status
        res.append(min(statuses.values()))

    group['status_hist'] = res
    df2 = df2.append(group)

这使：

  _id  account  status  status_hist
0   a        1       3            3
1   a        2       1            1
2   a        3       5            1
3   a        2       2            2
4   a        5       7            2

谢谢，如果你能帮忙！

标签： pythonpandaspandas-groupby

解决方案

您可以get_dummies在“帐户”列上使用，乘以values“状态”。然后用masknan 替换 0 以便能够对ffill每组 '_id' 进行最后的处理min，例如：

df_dummies = pd.get_dummies(df.account)*df.status.values[:,None]
df['status_hist'] = df_dummies.mask(df_dummies.eq(0)).groupby(df._id).ffill().min(axis=1)
print (df)
  _id  account  status  status_hist
0   a        1       3          3.0
1   a        2       1          1.0
2   a        3       5          1.0
3   a        2       2          2.0
4   a        5       7          2.0

推荐阅读