Блог

В этом наборе данных существуют три столбца: ID (уникальная идентификация сотрудника), WorkComplete (указывает, когда вся работа была завершена) и DateDiff (количество дней с даты их начала). Я хочу сгруппировать столбец DaysDiff на основе определенных периодов времени с добавлением уровня терпимости или снисходительности. Для моих макетных данных я разделяю периоды времени на 30 дней.

 Group 0: 0-30 DateDiff (with a 30 day extra window if 'Y' is not found)
Group 1: 31-60 DateDiff (with a 30 day extra window if 'Y' is not found)
Group 2: 61-90 DateDiff (with a 30 day extra window if 'Y' is not found)
 

Я смог создать очень простой код и назначить группировки, но у меня возникли проблемы с дополнительным 30-дневным окном. Например, если сотрудник выполнил свою работу (Y) в течение указанных выше периодов времени, то он получает атрибутивную группировку. Для идентификатора 111 ниже вы можете видеть, что человек не завершил свою работу в течение первых 30 дней, поэтому я даю им дополнительные 30 дней для завершения их работы. Если они завершают свою работу, то в первом экземпляре мы видим «Y», он сгруппирован в предыдущей группировке.

 df = pd.DataFrame({'ID':[111, 111, 111, 111, 111, 111, 112, 112, 112],
                   'WorkComplete':['N', 'N', 'Y', 'N', 'N', 'N', 'N', 'Y', 'Y'],
                   'DaysDiff': [0, 29, 45, 46, 47, 88, 1, 12, 89]})
 

Ввод

 ID   WorkComplete      DaysDiff 
111  N                 0
111  N                 29
111  Y                 45
111  N                 46
111  N                 47
111  N                 88
123  N                 1 
123  Y                 12
123  Y                 89        
 

Вывод

 ID   WorkComplete      DaysDiff   Group
111  N                 0          0
111  N                 29         0
111  Y                 45         0   <---- note here the grouping is 0 to provide extra time
111  N                 46         1   <---- back to normal
111  N                 47         1   
111  N                 88         2
123  N                 1          0
123  Y                 12         0
123  Y                 89         2
 

 minQ1 = 0
highQ1 = 30
minQ2 = 31
highQ2 = 60
minQ2 = 61
highQ2 = 90

def Group_df(df):
    if (minQ1 <= df['DateDiff'] <= highQ1): return '0'
    elif (minQ1 <= df['DateDiff'] <= highQ1): return '1'
    elif (minQ2 <= df['DateDiff'] <= highQ2): return '2'

df['Group'] = df.apply(Group_df, axis = 1)
 

Проблема, с которой я сталкиваюсь, заключается в том, что я допускаю дополнительные 30 дней, если человек не завершил работу. Моя вышеупомянутая попытка является частичной попыткой решить проблему.

1. Вы можете использовать np.select для основных условий.
2. Затем используйте mask для конкретного условия, которое вы упомянули. s это первое расположение индекса для всех Y значений в группе. Затем я временно assign s создаю новый столбец, чтобы я мог проверять наличие строк по df.index (индексу), чтобы возвращать строки, соответствующие условию. Второе условие заключается в том, что номер группы 1 взят из предыдущей строки кода:

 df['Group'] = np.select([df['DaysDiff'].between(0,30), 
                         df['DaysDiff'].between(31,60), 
                         df['DaysDiff'].between(61,90)],
                         [0,1,2])
s = df[df['WorkComplete'] == 'Y'].groupby('ID')['DaysDiff'].transform('idxmin')
df['Group'] = df['Group'].mask((df.assign(s=s)['s'].eq(df.index)) amp; (df['Group'].eq(1)), 0)
df
Out[1]: 
    ID WorkComplete  DaysDiff  Group
0  111            N         0      0
1  111            N        29      0
2  111            Y        45      0
3  111            N        46      1
4  111            N        47      1
5  111            N        88      2
6  123            N         1      0
7  123            Y        12      0
8  123            Y        89      2