Question

我正在尝试创建一个修改数据框的函数，然后从修改后的数据框中传回一列。代码如下所示：

def foo(df):
    ser = (df[df['bool']].groupby('group')['date'].min())
    # Hackish way to merge back to df
    serdf = pd.DataFrame(ser, columns=['date_trigger'])
    serdf['group'] = ser.index.values
    df = pd.merge(df, close_series, how='left', on='group')
    return df['trigger_date']

dfFinal['trigger_date'] = foo(dfFinal)

当我在return语句之前在foo中打印df时，它的所有值都在正确的位置并且长度正确。但是，dfFinal ['trigger_date']在很多地方都有NaT。

只是为了了解我正在努力实现的目标。我试图按组选择满足条件的最短日期并将其分配给新列：

Group    bool    date
  A       n      2000-01-01
  A       n      2000-03-02
  A       y      2000-04-10
  A       y      2001-01-01
  B       n      2000-02-20
  B       y      2000-03-15
  B       y      2000-04-27
  B       y      2001-01-10

这将成为：

Group    bool    date          trigger_date
  A       n      2000-01-01    2000-04-10
  A       n      2000-03-02    2000-04-10
  A       y      2000-04-10    2000-04-10
  A       y      2001-01-01    2000-04-10
  B       n      2000-02-20    2000-03-15
  B       y      2000-03-15    2000-03-15
  B       y      2000-04-27    2000-03-15
  B       y      2001-01-10    2000-03-15

Answer 1

首先按Group分组，然后应用自定义功能：

In [34]: def func(df):
   ....:     df['trigger_date'] = df[df.bool == 'y'].date.min()
   ....:     return df
   ....: 

In [35]: df.groupby('Group').apply(func)
Out[35]: 
  Group bool                date        trigger_date
0     A    n 2000-01-01 00:00:00 2000-04-10 00:00:00
1     A    n 2000-03-02 00:00:00 2000-04-10 00:00:00
2     A    y 2000-04-10 00:00:00 2000-04-10 00:00:00
3     A    y 2001-01-01 00:00:00 2000-04-10 00:00:00
4     B    n 2000-02-20 00:00:00 2000-03-15 00:00:00
5     B    y 2000-03-15 00:00:00 2000-03-15 00:00:00
6     B    y 2000-04-27 00:00:00 2000-03-15 00:00:00
7     B    y 2001-01-10 00:00:00 2000-03-15 00:00:00

Answer 2

首先，我需要重新创建您的数据：

a = pd.io.parsers.StringIO("""  A       n      2000-01-01
  A       n      2000-03-02
  A       y      2000-04-10
  A       y      2001-01-01
  B       n      2000-02-20
  B       y      2000-03-15
  B       y      2000-04-27
  B       y      2001-01-10""")
b = "Group    bool    date".split()
d = DataFrame([i.split() for i in a], columns=b)

对于解决方案，如何：

dic = {'y':True, 'n':False}
d['bool'] = d['bool'].apply(lambda x: dic[x])
trigger = d[d['bool']].sort('date').drop_duplicates('Group').drop('bool', axis=1)
d = d.merge(trigger, how='left', on='Group', suffixes=['','_trigger'])

修改

OP需要系列，并且相同的索引与原始DataFrame相同。所以我复制了@ waitingkuo的groupby函数，并根据OP的需要调整了答案。我希望有人能够用更惯用的方式来解决这个问题！

def trigger(df): def min_y(d): return d[d['bool'] == 'y'].date.min() dt = df.groupby('Group').apply(min_y) dt = DataFrame(dt, columns=['trigger_date']).reset_index() ix = df.index.copy(deep=True) df = df.merge(dt, how='left', on='Group') ser = df['trigger_date'] ser.index = ix return ser

将修改后的数据帧的列分配回pandas中的原始数据帧

2 个答案: