pandas - Pandas 数据框：按唯一标识符分组，检查条件，如果满足/不满足条件，则将 1/0 应用于新列

Question

我有一个与客户流失有关的大型数据集，其中每个客户都有一个唯一标识符（编码密钥）。数据集是一个时间序列，每个客户每个月都有一行，因此日期和客户标识符列自然包含重复项。我要做的是添加一个新列（称为“流失”），并根据该特定客户的上个月是否为客户，将该列设置为 0 或 1。

我已经尝试了很多方法来做到这一点，但是每一个都失败了，要么做回溯，要么它们不能按预期工作。应该注意的是，我对 python 和 pandas 都很陌生，所以请解释一下我五岁的事情（笑）。

我尝试使用 pandas groupby 按唯一客户键对行进行分组，然后检查条件：

df2 = df2.groupby('customerid').assign(churn = [1 if date==max(date) else 0 for date in df2['date']])

这给出了回溯，因为 dataframegroupby 对象没有属性分配。

我还尝试了以下方法：

df2.sort_values(['date']).groupby('customerid').loc[df['date'] == max('date'), 'churn'] = 1
df2.sort_values(['date']).groupby('customerid').loc[df['date'] != max('date'), 'churn'] = 0

这给出了类似的回溯，但由于属性 loc

我也尝试过使用 numpy 方法，如下所示：

df2['churn'] = df2.groupby(['customerid']).np.where(df2['date'] == max('date'), 1, 0)

由于 dataframegroupby 再次给出回溯

和：

df2['churn'] = np.where((df2['date']==df2['date'].max()), 1, df2['churn'])

它不会提供回溯，但不能按预期工作，即它将 1 应用于所有行的最大日期的 churn 列，而不是特定客户 ID 的最大日期 - 回想起来这是完全可以理解的，因为没有指定客户 ID任何地方。

任何帮助/提示将不胜感激！

标签： pandasdataframepandas-groupby

Answer 1

IIUC用于返回GroupBy.transform每组max的最大值并与date列进行比较，最后1,0通过掩码设置值：

mask = df2['date'].eq(df2.groupby('customerid')['date'].transform('max'))
df2['churn'] = np.where(mask, 1, 0)

---

df2['churn'] = mask.astype(int)