我有如下数据。我想标记交易 -
当同一员工在同一天拥有'Car Rental', 'Car Rental - Gas'列中的expense type和'Car Mileage'之一时 - 所以在这种情况下，员工a和{{ 1}}的交易将突出显示。员工c的交易不会突出显示，因为他们不符合条件 - 他没有b
我想要列'Car Mileage'。该列中的不同数字表示满足上述条件时的实例组
zflag如果我能获得有关要使用的功能的指示，我将不胜感激。我正在考虑使用groupby ......但不确定
我了解d = {'emp': ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c', 'c' ],
'date': ['1', '1', '1', '1', '2', '2', '2', '3', '3', '3', '3' ],
'usd':[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11 ],
'expense type':['Car Mileage', 'Car Rental', 'Car Rental - Gas', 'food', 'Car Rental', 'Car Rental - Gas', 'food', 'Car Mileage', 'Car Rental', 'food', 'wine' ],
'zflag':['1', '1', '1', ' ',' ',' ',' ','2','2',' ',' ' ]
}
df = pd.DataFrame(data=d)
df
Out[253]:
date emp expense type usd zflag
0 1 a Car Mileage 1 1
1 1 a Car Rental 2 1
2 1 a Car Rental - Gas 3 1
3 1 a food 4
4 2 b Car Rental 5
5 2 b Car Rental - Gas 6
6 2 b food 7
7 3 c Car Mileage 8 2
8 3 c Car Rental 9 2
9 3 c food 10
10 3 c wine 11
+ date将是我的主要关键
答案 0 :(得分：1)
这是一种方法。它不是最干净的，但你所描述的是非常具体的。其中一些可能可以通过函数进行简化。
temp_df = df.groupby(["emp", "date"], axis=0)["expense type"].apply(lambda x: 1 if "Car Mileage" in x.values and any([k in x.values for k in ["Car Rental", "Car Rental - Gas"]]) else 0).rename("zzflag")
temp_df = temp_df.loc[temp_df!=0,:].cumsum()
final_df = pd.merge(df, temp_df.reset_index(), how="left").fillna(0)
步骤：
分组emp / date并搜索条件，如果满足则为1，否则为0
删除包含0＆＃39; s和cumsum的行以生成唯一值
加入原始框架
修改
回答下面的问题。加入是有效的，因为在您运行.reset_index()之后需要＆＃34; emp＆＃34;和＆＃34;日期＆＃34;从索引中移动它们到列。