Question

我有一个如下数据框：

 ID1 ID2 Date
 1   2   01/01/2018
 1   2   03/01/2018
 1   2   04/05/2018
 2   1   06/06/2018
 1   2   08/06/2018
 3   4   09/07/2018

等

我需要做的是标记ID1中的ID第一次出现在ID2中。在上面的示例中，这看起来像

ID1 ID2 Date         Flag
 1   2   01/01/2018
 1   2   03/01/2018
 1   2   04/05/2018
 2   1   06/06/2018
 1   2   08/06/2018  Y
 3   4   09/07/2018

我已经使用以下代码告诉我ID1是否曾经出现在ID2中：

ID2List= df['ID2'].tolist()
ID2List= list(set(IDList))  # dedupe list
df['ID1 is in ID2List'] = np.where(df[ID1].isin(ID2List), 'Yes', 'No')

但这只是告诉我，有时在某些情况下ID1出现在ID2中，而在第一次发生的情况中则没有。

有帮助吗？

Answer 1

一个想法是将next与生成器表达式一起使用来计算ID1中的匹配索引。然后与索引进行比较，并使用argmax获取第一个True值的索引：

idx = df.apply(lambda row: next((idx for idx, val in enumerate(df['ID1']) \
                                 if row['ID2'] == val), 0), axis=1)

df.loc[(df.index > idx).argmax(), 'Flag'] = 'Y'

print(df)

   ID1  ID2        Date Flag
0    1    2  01/01/2018  NaN
1    1    2  03/01/2018  NaN
2    1    2  04/05/2018  NaN
3    2    1  06/06/2018    Y
4    1    2  08/06/2018  NaN
5    3    4  09/07/2018  NaN

第一次标记来自一列的ID出现在另一列中

1 个答案: