Question

我要添加一个transform的列，其代码如下：

df['new_date'] = df.groupby('account')['date'].transform('last')

这很好用，但是默认情况下会丢弃NaN（如现有错误here，here和here中所述），我希望保留这些。开发人员建议改用nth(-1)。没问题！

但是，我不知道如何在transform中使用它。错误消息

`df.groupby('a')['b'].transform('nth')`

是nth() missing 1 required positional argument: 'n'，这似乎很诱人，暗示只要我能找出将索引传递给该方法的方法，变换就可以识别该方法。但是没有一个

df.groupby('a')['b'].transform('nth(-1)')
df.groupby('a')['b'].transform('nth'(-1))
df.groupby('a')['b'].transform('nth')(-1)

工作。有什么方法可以做到这一点？

Answer 1

这里可以使用第二个参数作为传递给GroupBy.nth的值：

np.random.seed(2015)

df = pd.DataFrame({'account': ['foo', 'bar', 'baz'] * 3,
                   'val': np.random.choice([np.nan, 1],size=9)})
#print (df)

df['val1'] = df.groupby('account')['val'].transform('last')
df['val2'] = df.groupby('account')['val'].transform('nth', -1)
print (df)
  account  val  val1  val2
0     foo  NaN   1.0   1.0
1     bar  NaN   1.0   NaN
2     baz  NaN   NaN   NaN
3     foo  NaN   1.0   1.0
4     bar  1.0   1.0   NaN
5     baz  NaN   NaN   NaN
6     foo  1.0   1.0   1.0
7     bar  NaN   1.0   NaN
8     baz  NaN   NaN   NaN

与nth

1 个答案: