Question

我有一个满足以下条件的熊猫数据框：

每条记录都有一个组，日期和指示器（如果发生了事件）
每个组的每日记录（不一定是相同的时间范围）每个组）
按组，日期排序

我需要实现一个计数器列，该计数器列从一个组的第一个事件开始，并且仅在（counter <3 * numEvents）个时递增。

如果counter = 1且numevents = 1-> counter + = 1
如果counter = 3并且numevents = 1->不执行任何操作

计数器只能递增3次，而不会发生其他事件。如果它在多个记录中停留在3的倍数上，那么一旦发生另一个允许它递增的事件，它仍然只需要递增1。

示例数据框

group        date  event  numEvents         Counter
    A  2020-08-05      0          0               0
    A  2020-08-06      1          1               1
    A  2020-08-07      0          1               2
    A  2020-08-08      0          1               3
    A  2020-08-09      0          1               3
    A  2020-08-10      0          1               3
    A  2020-08-11      1          2               4
    A  2020-08-12      0          2               5
    A  2020-08-13      0          2               6
    A  2020-08-14      0          2               6
    B  2020-08-05      1          1               1
    B  2020-08-06      1          2               2
    B  2020-08-07      0          2               3
    B  2020-08-08      0          2               4
    B  2020-08-09      0          2               5
    B  2020-08-10      0          2               6
    B  2020-08-11      0          2               6
    B  2020-08-12      0          2               6
    B  2020-08-13      0          2               0
    B  2020-08-14      0          2               0

用于生成示例数据框的代码

import pandas as pd
import datetime as datetime
base = datetime.datetime.today()
numdays = 10
date_list = [(base - datetime.timedelta(days=x)).date() for x in range(numdays)]

df = pd.DataFrame(columns=['group', 'date'])
for group in ['A', 'B']:
    tmp = pd.DataFrame({'group': group, 'date': date_list})
    df = df.append(tmp)
df = df.sort_values(['group', 'date'])

groupA_events = [0, 1, 0, 0, 0, 0, 1, 0, 0, 0]
groupB_events = [1, 1, 0, 0, 0, 0, 0, 0, 0, 0]
events = groupA_events + groupB_events
df['event'] = events
df['numEvents'] = df.groupby('group')['event'].cumsum()

df['Counter'] = [0, 1, 2, 3, 3, 3, 4, 5, 6, 6, 1, 2, 3, 4, 5, 6, 6, 6, 6, 6]

这里的主要问题是我无法弄清楚如何基于自身有条件地增加列。香港专业教育学院尝试使用.cumsum（），但还没有找到一种适用于这种情况的方法。

谢谢

Answer 1

我不太了解获得预期结果所需的逻辑，但是这里有一些可能有用的技术。

True和False分别表示为1和0。
您可以将其与乘法和累加和一起使用。
此外，.shift()可以将一个值从较早（或更晚）的行带到当前行。

df = pd.DataFrame(
    {'x': [10, 20, 30, 40, 50, 60],
     'flag_1': [True] * 3 + [False] * 3, 'flag_2': [True, False] * 3})

# get previous x and current x on same row
df['prev_x'] = df['x'].shift(1)  

# multiply by boolean
df['y'] = df['x'] * df['flag_1']

# cumulative sum of boolean (conditional increment)
df['z'] = df['flag_2'].cumsum()

print(df)

    x  flag_1  flag_2  prev_x   y  z
0  10    True    True     NaN  10  1
1  20    True   False    10.0  20  1
2  30    True    True    20.0  30  2
3  40   False   False    30.0   0  2
4  50   False    True    40.0   0  3
5  60   False   False    50.0   0  3

最后，将.transform(min)和.min()与groupby进行比较（使用transform会返回与原始数据帧相同的行数）。

有条件增加熊猫

1 个答案: