#python #pandas #dataframe
Вопрос:
Я работаю с фреймом данных, в котором мне нужно создать столбец («Newcol»), который будет группироваться по «ColA», а затем для каждой строки — относительно столбца даты («ColB»)…. посмотрите, существовала ли конкретная строка 2 или 3 дня назад до этого значения даты . Пример ниже:
Оригинальный DF:
ColA ColB ColC B 2021-10-24 dog B 2021-10-25 cat B 2021-10-26 bird B 2021-10-27 dog B 2021-10-28 bird H 2021-10-24 cat H 2021-10-25 dog H 2021-10-26 dog H 2021-10-27 bird H 2021-10-28 cat X 2021-10-24 bird X 2021-10-25 dog X 2021-10-26 dog X 2021-10-27 dog X 2021-10-28 bird Итак, скажем, строка для флага — «собака». Группируясь по ColA, мне нужно «NewCol», чтобы использовать столбец даты ColB, оглянитесь на 2-3 дня назад и посмотрите, говорит ли ColC «собака»… если это так, то отметьте это. Таким образом, значения в «NewCol» двоичные: 0 для «нет», 1 для «да». См. Ниже, например:
Желаемый DF:
ColA ColB ColC NewCol B 2021-10-24 dog NA B 2021-10-25 cat NA B 2021-10-26 bird 1 B 2021-10-27 dog 1 B 2021-10-28 bird 0 H 2021-10-24 cat NA H 2021-10-25 dog NA H 2021-10-26 dog 0 H 2021-10-27 bird 1 H 2021-10-28 cat 1 X 2021-10-24 bird NA X 2021-10-25 dog NA X 2021-10-26 dog 0 X 2021-10-27 dog 1 X 2021-10-28 bird 1 Любые предложения приветствуются. Спасибо.
Комментарии:
1. Почему последний ряд
B-это0?2. @QuangHoang последняя строка B-дата = 2021-10-28, таким образом, будут рассмотрены значения ColC за 2-3 дня до (2021-10-25 и 2021-10-26) в ColC, что означает «кошка» и «птица» соответственно… что должно дать 0 в ньюколе
3. А, понятно. Тогда я не думаю, что мое решение отвечает на ваш вопрос. в нем рассматриваются все 3 последних дня.
Ответ №1:
Попробуйте groupby.rolling:
df['NewCol'] = (df['ColC'].eq('dog') .groupby(df['ColA']).rolling(3).max() .reset_index('ColA', drop=True) ) Обратите внимание, что это работает только ColB сортируется и последовательно. В противном случае вам нужно установить ColB значение в качестве индекса и '3D' использовать его .
Ответ №2:
Самостоятельное присоединение для получения нового столбца с датами
extended_df = DF.merge( DF.rename(columns={'ColB':'ColDate'}), on=['ColA', 'ColC'], how='left'] и определите новый столбец на основе условия
extended_df['NewCol'] = np.nan extended_df.loc[ (extended_df.colB - extended_df.ColDate)gt;=2 amp; (extended_df.colB - extended_df.ColDate)lt;=3 , 'NewCol' ] = 1 extended_df.loc[ (extended_df.colB - extended_df.ColDate)lt;2 | (extended_df.colB - extended_df.ColDate)gt;3 , 'NewCol' ] = 0 Затем удалите добавленный столбец, чтобы получить окончательный вывод
df = extended_df.drop( 'ColDate', axis=1 ) del extended_df