Question

嗨我有一个数据帧如下，有数千个ID。它有一个ID列表，其中包含子ID，如图所示。可以每天更改子标签，可以添加新的子标识，也可以丢失现有的子标识。

我需要创建2个新列，每当添加/丢失子ID时都会标记。

因此，在下面的格式中，您可以看到在12日，添加了一个新的子ID“D” 并且在13日，现有的子id（c）丢失了。我想创建一个新的列/标志来跟踪这些子ID。你能帮帮我吗？

我使用的是Python 3.5。感谢

一个ID的样本格式：

ID Sub Id     Date     is_new  
1    a     3/11/2016      0
1    b     3/11/2016      0
1    c     3/11/2016      0
1    a     3/12/2016      0
1    b     3/12/2016      0
1    c     3/12/2016      0
1    d     3/12/2016      1
1    a     3/13/2016      0
1    b     3/13/2016      0
1    d     3/13/2016      0

Answer 1

下面的查询将指示添加或删除子ID的时间。希望这可以帮助。

获取每个id的最大和最小更新日期，我将其放入临时表名称：min_max

如果更新日期与min和max相同，则将其标记为1

滞后和引导函数将获得每个ID的上一个和下一个子ID，
的子命令
将所有内容放在子查询（表s）
上
如果更新日期不是每个ID的开始日期或结束日期，则可以添加（is_mindte = 0）或删除（is_maxdte = 0）

如果is_added列为null，则在该日期添加（is_added为null）;如果is_deleted列为null，则删除下一个更新日期（is_added为null）

    select s.id,
       s.subid,
       s.upddate,
(case when is_mindte=0 and is_added is null 
      then 1 else 0 end ) is_new,
(case when is_maxdte=0 and is_deleted is null 
      then 1 else 0 end) is_removed
from (
   with min_max as
      (select   id,min(upddate) mindate,max(upddate) maxdate
       from     myTable
       group by id)
  select t.id,
         t.subid,
         t.upddate,
         case when t.upddate=m.mindate 
              then 1 else 0 end is_mindte,
         case when t.upddate=m.maxdate 
              then 1 else 0 end is_maxdte,
         lag(t.subid) over (partition by t.id, t.subid order by t.upddate) is_added,
         lead(t.subid) over (partition by t.id, t.subid order by t.upddate) is_deleted 
   from  myTable t, min_max m
   where t.id=m.id) s
order by s.id, 
      s.upddate, 
      s.subid

sample result:
ID  SUBID   UPDDATE         IS_NEW  IS_REMOVED
1   a   2016-03-11T00:00:00Z    0   0
1   b   2016-03-11T00:00:00Z    0   0
1   c   2016-03-11T00:00:00Z    0   0
1   a   2016-03-12T00:00:00Z    0   0
1   b   2016-03-12T00:00:00Z    0   0
1   c   2016-03-12T00:00:00Z    0   1
1   d   2016-03-12T00:00:00Z    1   0
1   a   2016-03-13T00:00:00Z    0   0
1   b   2016-03-13T00:00:00Z    0   0
1   d   2016-03-13T00:00:00Z    0   0
2   a   2016-03-11T00:00:00Z    0   0
2   b   2016-03-11T00:00:00Z    0   0
2   c   2016-03-11T00:00:00Z    0   0

标记ID中新添加的子ID

1 个答案: