在Python中枚举分组变量

Question

我有一个使用Python的数据框和患者ID号，每条记录代表不同的约会。在每次约会时，一个特征（dx）记录为0或1.我想创建一个新功能，它总结了dx功能，但只能达到该患者的那一点。

patient_ID   |   dx   |   
 29847            0
 29847            1
 29847            0
 29847            1
 29847            1

我可以使用简单的groupby语句获取组的总和：

df.groupby(['patient_ID])['dx'].sum()

但我想要的是枚举值作为新功能，只考虑当前和以前的记录：

patient_ID   |   dx   |   dx_enum
 29847            0         0
 29847            1         1
 29847            0         1
 29847            1         2
 29847            1         3

我想这将采用for循环和groupby语句的组合，但到目前为止还没有成功。感谢您提供的任何帮助！

Answer 1

如果我通过执行groupby然后调用transform并传递函数cumsum来添加列之后了解您的内容：

In [44]:

df['dx_enum'] = df.groupby('patient_ID')['dx'].transform(pd.Series.cumsum)
df
Out[44]:
   patient_ID  dx  dx_enum
0       29847   0        0
1       29847   1        1
2       29847   0        1
3       29847   1        2
4       29847   1        3

Transform会返回与原始df对齐的系列，因此您可以将其添加为列，请参阅文档：http://pandas.pydata.org/pandas-docs/stable/groupby.html#transformation