GroupBy对象中的数据处理。如何添加列？

Question

我想在MLB数据集中获取每场比赛每个投手的最后投球并将其标记为True。但是，我在添加列或修改GroupBy对象中的数据框时遇到麻烦。如何有效添加此列？

Double.floatValue()

Answer 1

为此使用GroupBy很诱人。但是，当您不希望实际汇总数据时，通常会有其他方法。在这里，您可以将pd.Series.duplicated与keep='last'结合使用：

# data from gyoza

df['last_pitch'] = ~df['pitcherId'].duplicated(keep='last')

print(df)

  gameString pitcherId  last_pitch
0          a         c       False
1          a         c        True
2          b         d       False
3          b         d       False
4          b         d        True

如果您确实希望使用GroupBy，则可以使用last方法：

idx = df.reset_index().groupby('pitcherId')['index'].last().values

df['last_pitch'] = df.index.isin(idx)

Answer 2

一种方法是使用tail查找要更改的行的所有索引，然后使用loc在原始数据框中进行更改：

last_rows = data.groupby(['gameString', 'pitcherId']).tail(n=1)
data.loc[last_rows.index, 'last_pitch'] = True