Question

伙计们

我在用例中搜索了StackOverflow，但找不到任何有用的东西。如果您认为此问题已解决，请指向相应的问题。

用例。

我有以下数据框。

  Maturity,Periods  
  0.5,2   
  0.5,2   
  1.0,3  
  1.0,3   
  1.0,3

如您所见，根据maturity列中的数字重复periods列。现在，我要完成的工作是创建一个新列，该列将为每个分组的成熟度除1值之外的所有0。所以预期的数据帧就是这样

  Maturity,Periods,CP   
  0.5,2,0  
  0.5,2,1   
  1.0,3,0    
  1.0,3,0   
  1.0,3,1

正如您在预期数据框中看到的那样，0s列中CP的数量比Periods列中的值小1，其余值为1。< / p>

我尝试了以下pandas groupby操作，但失败了。

new_df['CP'] = new_df.groupby(['Maturity'])['Periods'].apply(lambda x: np.zeros((x-1, 1)) + np.array([1.0])).reset_index()

有人可以指出我要去哪里了吗

更新后的编辑：

作为上述问题的后续措施，如何使用Pandas的操作解决以下方法？

使用上面的数据框，我想创建一个新列，但预期的输出是这样的：

Maturity,Periods,CP,TimeCF  
0.5,2,0,0.5
0.5,2,1,0.5

1.0,3,0,0.5
1.0,3,0,1.0
1.0,3,1,1.0

1.5,4,0,0.5
1.5,4,0,1.0
1.5,4,0,1.5
1.5,4,1,1.5

TimeCF的新列将具有现金流量的时间值（考虑债券的半年现金流量）

Answer 1

您似乎在这里不需要groupby ...试试这个：

df['CP'] = 0
df.loc[df['Maturity'].ne(df['Maturity'].shift(-1)), 'CP'] = 1

print(df)
   Maturity  Periods  CP
0       0.5        2   0
1       0.5        2   1
2       1.0        3   0
3       1.0        3   0
4       1.0        3   1

如果groupby是不可避免的，则可以使用与以前类似的方式使用它：

df['CP'] = 0
df.loc[df.groupby('Maturity').apply(lambda x: x.index[-1]), 'CP'] = 1

print(df)
   Maturity  Periods  CP
0       0.5        2   0
1       0.5        2   1
2       1.0        3   0
3       1.0        3   0
4       1.0        3   1

Pandas Groupby并使用自定义值创建新列

1 个答案: