根据groupby值向pandas数据框添加新列

Question

我有一个数据框：

  date                value
1/1/2017               -3
1/1/2017               -1 
1/1/2017                5 
1/2/2017                4
1/2/2017                9
1/2/2017               -1

我想要做的是添加一个额外的列is_min，如果此日期的值为最小值，则会1，否则为0。

所以结果应该是：

 date                 value            is_min
1/1/2017               -3                1
1/1/2017               -1                0 
1/1/2017                5                0 
1/2/2017                4                0
1/2/2017                9                0 
1/2/2017               -1                1

我尝试过像

这样的事情

df['is_min']=df['value']==df.groupby('date')['value'].min()

但是，当然，df['value']和df.groupby('date')['value'].min()的长度不匹配......

Answer 1

您可以使用DataFrameGroupBy.idxmin在group中查找最小索引，然后按isin测试成员资格：

df['is_min'] = df.index.isin(df.groupby('date')['value'].idxmin()).astype(int)
print (df)
       date  value  is_min
0  1/1/2017     -3       1
1  1/1/2017     -1       0
2  1/1/2017      5       0
3  1/2/2017      4       0
4  1/2/2017      9       0
5  1/2/2017     -1       1

df['is_min'] = 0
df.loc[df.index.isin(df.groupby('date')['value'].idxmin()), 'is_min'] = 1
print (df)
       date  value  is_min
0  1/1/2017     -3       1
1  1/1/2017     -1       0
2  1/1/2017      5       0
3  1/2/2017      4       0
4  1/2/2017      9       0
5  1/2/2017     -1       1

Answer 2

使用GroupBy对象的transform()方法：

df['ismin'] = df.groupby('date')['value'].transform(lambda x: x == np.min(x)) 

它返回一个DataFrame，它是原始的全尺寸，并应用了转换函数。 请注意，在进行转换之前，我在'value'列上有子集，因为transform()适用于分组对象的完整列集。