Question

我有一个数据框：

ID        Status  
100         X  
100         Y  
100         Y  
100         Z  
100         A  
100         Y  
100         Y  
100         Y  
100         X  
100         X  
100         Y  
100         Y  
200         A  
200         B  
200         Y  
200         Y  
200         C  
200         Y  
200         Y   
200         Z

对于元素Y的每个非连续出现，我希望Status根据Y出现的次数进行更改。我的预期输出是：

ID        Status  
100         X  
100         Y  
100         Y  
100         Z  
100         A  
100         Y1  
100         Y1  
100         Y1  
100         X  
100         X  
100         Y2  
100         Y2  
200         A  
200         B  
200         Y  
200         Y  
200         C  
200         Y1  
200         Y1   
200         Z

我尝试了以下操作：

df['index'] = pd.np.where(df['Status']==Y, df.groupby(['ID']).cumcount(),0)

索引每个Y的出现。然后我像这样计算差异：

df['diff'] = df['index'] - df['index'].shift(1)

然后我选择每个点df ['diff']> 1变为新的状态值'Y1'。

df['Status']=pd.np.where(df['diff']>1, 'Y1', df['Status'])

但是，以上内容标识了发生Y的每个点。我需要过滤掉第一次出现Y并解决后续出现的问题。我可以接受以下输出：

ID        Status  
100         X  
100         Y  
100         Y  
100         Z  
100         A  
100         Y1  
100         Y1  
100         Y1  
100         X  
100         X  
100         Y1  
100         Y1  
200         A  
200         B  
200         Y  
200         Y  
200         C  
200         Y1  
200         Y1   
200         Z

Answer 1

这是通过groupby + transform的一种方式：

def enum(x):
    mask = x.eq('Y')
    y = mask & x.ne(x.shift())
    z = y.cumsum().sub(1).where(mask).fillna(0).astype(int).astype(str)
    return z.mask(z == '0', '')

df['Status'] += df.groupby('ID')['Status'].transform(enum)

print(df)

     ID Status
0   100      X
1   100      Y
2   100      Y
3   100      Z
4   100      A
5   100     Y1
6   100     Y1
7   100     Y1
8   100      X
9   100      X
10  100     Y2
11  100     Y2
12  200      A
13  200      B
14  200      Y
15  200      Y
16  200      C
17  200     Y1
18  200     Y1
19  200      Z

python在列中找到集合的第二次出现

1 个答案: