Question

我问了一个类似的问题here，但我想扩展这个问题，因为我被要求做一些我不能使用的东西.duplicates（）

我有一个按'Key'分组的df。我想标记排放日期与排放日期匹配的组内的任何行和排放日期之间的排，具有排放日期的行具有5-12范围内的num1值。

df =  pd.DataFrame({'Key': ['10003', '10003', '10003', '10003', '10003','10003','10034', '10034'], 
   'Num1': [12,13,13,13,12,13,15,12],
   'Num2': [121,122,122,124,125,126,127,128],
  'admit': [20120506, 20120508, 20121010,20121010,20121010,20121110,20120520,20120520],  'discharge': [20120508, 20120510, 20121012,20121016,20121023,20121111,20120520,20120520]})
df['admit'] = pd.to_datetime(df['admit'], format='%Y%m%d')
df['discharge'] = pd.to_datetime(df['discharge'], format='%Y%m%d')

初始df

    Key     Num1    Num2    admit       discharge
0   10003   12      121     2012-05-06  2012-05-08
1   10003   13      122     2012-05-08  2012-05-10
2   10003   13      122     2012-10-10  2012-10-12
3   10003   13      124     2012-10-10  2012-10-16
4   10003   12      125     2012-10-10  2012-10-23
5   10003   13      126     2012-11-10  2012-11-11
6   10034   15      127     2012-05-20  2012-05-20
7   10034   12      128     2012-05-20  2012-05-20

最终df

    Key     Num1    Num2    admit       discharge   flag
0   10003   12      121     2012-05-06  2012-05-08  1
1   10003   13      122     2012-05-08  2012-05-10  1
2   10003   13      122     2012-10-10  2012-10-12  0
3   10003   13      124     2012-10-10  2012-10-16  0
4   10003   12      125     2012-10-10  2012-10-23  0
5   10003   13      126     2012-11-10  2012-11-11  0
6   10034   15      127     2012-05-20  2012-05-20  1
7   10034   12      128     2012-05-20  2012-05-20  1

我试图使用filter（）但我无法弄清楚如何将任何（）应用于放电日期。我的逻辑是选择组中的第一个录取日期，然后在每个放电日期之间检查该日期，并且一旦匹配，则检查具有相同放电日期的行是否具有Num1中的值，范围为5-12 。

num1_range = [5,6,7,8,9,10,11,12]
df.loc[df.groupby(['Key']).filter(lambda x : (x['admit'] == x['discharge'].any())&(x['Num1'].isin(num1_range).any())),'flag']=1

我收到错误

ValueError: cannot set a Timestamp with a non-timestamp

Answer 1

我相信您正在寻找满足flag = True的两个条件之一：

允许日期等于组内的任何出院日期（Key）。
如果Num1的范围是5到12（包括5和12），则出货日期等于任何允许的日期。

以下逻辑产生的结果与您想要的输出一致。

<强>解决方案

d1 = df.groupby('Key')['admit'].apply(set).to_dict()
d2 = df.groupby('Key')['discharge'].apply(set).to_dict()

def flagger(row):
    match1, match2 = row['discharge'] in d1[row['Key']], row['admit'] in d2[row['Key']]
    return match2 or (match1 and (row['Num1'] in range(5, 13)))

df['flag'] = df.apply(flagger, axis=1).astype(int)

<强>结果

     Key  Num1  Num2      admit  discharge  flag
0  10003    12   121 2012-05-06 2012-05-08     1
1  10003    13   122 2012-05-08 2012-05-10     1
2  10003    13   122 2012-10-10 2012-10-12     0
3  10003    13   124 2012-10-10 2012-10-16     0
4  10003    12   125 2012-10-10 2012-10-23     0
5  10003    13   126 2012-11-10 2012-11-11     0
6  10034    15   127 2012-05-20 2012-05-20     1
7  10034    12   128 2012-05-20 2012-05-20     1

<强>解释

创建2个字典映射键 - ＆gt;录取日期和密钥 - ＆gt;出院日期分别为。
使用这两个词典，使用pd.DataFrame.apply来应用行指定的条件。

Answer 2

让我们将过滤分解为几步。首先，创建要过滤的条件

conditions = "(x['discharge'].isin(x['admit'])) & (x['Num1'] >= 5) & (x['Num1'] <= 12)"

我选择将conditions存储为字符串，因为它对于格式化下一步看起来更干净。但是，过滤器命令将用于通过数据框中的key检查是否有任何放电时间等于允许时间。并且还会检查Num1时间discharge是否在5到12之间。现在我们运行groupby操作并评估conditions

filter = df.groupby('Key').apply(lambda x: pd.eval(conditions))
filter.index = filter.index.droplevel(0)

filter将输出此

0     True
1    False
2    False
3    False
4    False
5    False
6    False
7     True
dtype: bool

filter提供了一些布尔标志conditions保持为真。最后一步是将admit次equlivant的标志添加到dischagre次，这可以通过将初始数据帧与用于提取admit标志的索引的过滤位置合并来完成。

dex = df.merge(df[filter.values],left_on=['Key','admit'],right_on=['Key','discharge'],how='left').dropna().index

最后设置flags，其中任一条件为True

df['flag'] = (filter | df.index.isin(dex)).astype(int)

完整代码：

conditions = "(x['discharge'].isin(x['admit'])) & (x['Num1'] >= 5) & (x['Num1'] <= 12)"
filter = df.groupby('Key').apply(lambda x: pd.eval(conditions))
filter.index = filter.index.droplevel(0)
dex = df.merge(df[filter.values],left_on=['Key','admit'],right_on=['Key','discharge'],how='left').dropna().index
df['flag'] = (filter | df.index.isin(dex)).astype(int)

<强>输出：

     Key  Num1  Num2      admit  discharge  flag
0  10003    12   121 2012-05-06 2012-05-08     1
1  10003    13   122 2012-05-08 2012-05-10     1
2  10003    13   122 2012-10-10 2012-10-12     0
3  10003    13   124 2012-10-10 2012-10-16     0
4  10003    12   125 2012-10-10 2012-10-23     0
5  10003    13   126 2012-11-10 2012-11-11     0
6  10034    15   127 2012-05-20 2012-05-20     1
7  10034    12   128 2012-05-20 2012-05-20     1

Answer 3

如果我理解正确的逻辑，我会这样写：

num1_range = [5,6,7,8,9,10,11,12]

def get_flags(group):
    flagged_discharge_dates=group.loc[group['Num1'].isin(num1_range),'discharge']
    flag=group['admit'].isin(flagged_discharge_dates)
    flag=flag.astype(int)
    return flag

df['flag']=df.groupby('Key',group_keys=False).apply(get_flags)
df

返回

    Key Num1    Num2    admit   discharge   flag
0   10003   12  121 2012-05-06  2012-05-08  0
1   10003   13  122 2012-05-08  2012-05-10  1
2   10003   13  122 2012-10-10  2012-10-12  0
3   10003   13  124 2012-10-10  2012-10-16  0
4   10003   12  125 2012-10-10  2012-10-23  0
5   10003   13  126 2012-11-10  2012-11-11  0
6   10034   15  127 2012-05-20  2012-05-20  1
7   10034   12  128 2012-05-20  2012-05-20  1

我认为根据指定的逻辑是正确的（但与原帖中的预期结果不同）

Answer 4

修改： - 此解决方案不使用groupby，而是使用.loc

我相信你想要的是当允许和放电日都相同时以及当Num1在5到12之间（包括在内）时将标志设置为'1'

以下是适用于逻辑的代码。

df.loc[(df['admit'] == df['discharge'] ) & (df['Num1'].isin(num1_range)), 'flag'] = 1 df.loc[~((df['admit'] == df['discharge'] ) & (df['Num1'].isin(num1_range))), 'flag'] = 0 print(df)

输出结果为：

Key Num1 Num2 admit discharge flag 0 10003 12 121 2012-05-06 2012-05-08 0.0 1 10003 13 122 2012-05-08 2012-05-10 0.0 2 10003 13 122 2012-10-10 2012-10-12 0.0 3 10003 13 124 2012-10-10 2012-10-16 0.0 4 10003 12 125 2012-10-10 2012-10-23 0.0 5 10003 13 126 2012-11-10 2012-11-11 0.0 6 10034 15 127 2012-05-20 2012-05-20 0.0 7 10034 12 128 2012-05-20 2012-05-20 1.0

您可以看到只有最后一行满足条件且标志设置为“1” 希望这会有所帮助。

如何在pandas

4 个答案: