Question

我正在尝试构造一个新列，如果这是列“ type”的元素第一次具有列“ xx”的特定值，并且它在第一个列中的值为0，则该列的值为1任何其他情况。

我正在使用的原始数据帧（df）是：

logger.Info("Hello {0}", jObject); // No structured logging, becomes string.Format

logger.Info("Hello {$myobj}", jObject); // Structured logging that forces JObject.ToString

logger.Info("Hello {myobj}", jObject.ToString()); // Converts to string upfront

我正在寻找的结果是：

idx = [np.array(['Jan-18', 'Jan-18', 'Feb-18', 'Mar-18', 'Mar-18', 'Mar-18','Apr-18', 'Apr-18', 'May-18', 'Jun-18', 'Jun-18', 'Jun-18','Jul-18', 'Aug-18', 'Aug-18', 'Sep-18', 'Sep-18', 'Oct-18','Oct-18', 'Oct-18', 'Nov-18', 'Dec-18', 'Dec-18',]),np.array(['A', 'B', 'B', 'A', 'B', 'C', 'A', 'B', 'B', 'A', 'B', 'C','A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'A', 'B', 'C'])]
data = [{'xx': 1000}, {'xx': 1000}, {'xx': 1200}, {'xx': 800}, {'xx': 800}, {'xx': 800},{'xx': 1000}, {'xx': 1000}, {'xx': 800}, {'xx': 1200}, {'xx': 1200}, {'xx': 1200},{'xx': 1000}, {'xx': 1000}, {'xx': 1000}, {'xx': 1600}, {'xx': 1600}, {'xx': 1000}, {'xx': 800}, {'xx': 800}, {'xx': 1000}, {'xx': 1600}, {'xx': 1600}]
df = pd.DataFrame(data, index=idx, columns=['xx'])
df.index.names=['date','type']
df=df.reset_index()
df['date'] = pd.to_datetime(df['date'],format = '%b-%y')
df=df.set_index(['date','type'])
df['xx'] = df.xx.astype('float')

我尝试了以下代码，但不起作用（给出错误消息）：

                     xx   yy
date       type
2018-01-01 A     1000.0  1.0
           B     1000.0  1.0
2018-02-01 B     1200.0  1.0
2018-03-01 A      800.0  1.0
           B      800.0  1.0
           C      800.0  1.0
2018-04-01 A     1000.0  0.0
           B     1000.0  0.0
2018-05-01 B      800.0  0.0
2018-06-01 A     1200.0  1.0
           B     1200.0  0.0
           C     1200.0  1.0
2018-07-01 A     1000.0  0.0
2018-08-01 B     1000.0  0.0
           C     1000.0  1.0
2018-09-01 A     1600.0  1.0
           B     1600.0  1.0
2018-10-01 C     1000.0  0.0
           A      800.0  0.0
           B      800.0  0.0
2018-11-01 A     1000.0  0.0
2018-12-01 B     1600.0  0.0
           C     1600.0  1.0

错误消息显示

ValueError：传递0的项目数不正确，放置意味着1。

我尝试了其他方法，例如nth（0），但是它也不起作用。任何关于如何解决此问题的建议都非常欢迎。

Answer 1

尝试：

df['yy'] = (df.groupby(level=1).xx
              .apply(lambda x: (~x.duplicated()).astype(int))
           )

df['yy']

输出：

date        type
2018-01-01  A       1
            B       1
2018-02-01  B       1
2018-03-01  A       1
            B       1
            C       1
2018-04-01  A       0
            B       0
2018-05-01  B       0
2018-06-01  A       1
            B       0
            C       1
2018-07-01  A       0
2018-08-01  B       0
            C       1
2018-09-01  A       1
            B       1
2018-10-01  C       0
            A       0
            B       0
2018-11-01  A       0
2018-12-01  B       0
            C       1
Name: yy, dtype: int32

Answer 2

使用function roleRoulette(guild, role) { const possible = guild.members.filter(m => m.roles.has(role.id)); if (possible.size === 0) return clearInterval(interval); const member = possible.random(); member.removeRole(role) // MASTER: member.roles.remove(role) .then(() => console.log(`Removed ${role.name} from ${member.tag}.`)) .catch(err => { console.error(err); clearInterval(interval); }); } const guild = client.guilds.get('576463944298790929'); if (!guild) return; const role = guild.roles.get('576464298088333323'); if (!role) return; const interval = setInterval(roleRoulette(), 60 * 1000, guild, role); + groupby + cumcount：

astype

结果：

df['yy'] = df.reset_index().groupby(['type','xx']).cumcount().eq(0).astype(int).values

Answer 3

`duplicated`

使用type和xx生成元组列表
将其包装在pandas.Series中，因为我想使用pandas.Series.duplicated方法
使用numpy.where在0和1之间进行选择

注意：这不使用groupby，因此应该更有效。

s = pd.Series([*zip(df.index.get_level_values('type'), df.xx)])
df.assign(id=np.where(s.duplicated(), 0, 1))

                     xx  id
date       type            
2018-01-01 A     1000.0   1
           B     1000.0   1
2018-02-01 B     1200.0   1
2018-03-01 A      800.0   1
           B      800.0   1
           C      800.0   1
2018-04-01 A     1000.0   0
           B     1000.0   0
2018-05-01 B      800.0   0
2018-06-01 A     1200.0   1
           B     1200.0   0
           C     1200.0   1
2018-07-01 A     1000.0   0
2018-08-01 B     1000.0   0
           C     1000.0   1
2018-09-01 A     1600.0   1
           B     1600.0   1
2018-10-01 C     1000.0   0
           A      800.0   0
           B      800.0   0
2018-11-01 A     1000.0   0
2018-12-01 B     1600.0   0
           C     1600.0   1

Answer 4

IIUC

idx=df.groupby([df.index.get_level_values(1),df.xx]).head(1).index
df.loc[:,'new']=0
df.loc[idx,'new']=1
df
Out[869]: 
                     xx  new
date       type             
2018-01-01 A     1000.0    1
           B     1000.0    1
2018-02-01 B     1200.0    1
2018-03-01 A      800.0    1
           B      800.0    1
           C      800.0    1
2018-04-01 A     1000.0    0
           B     1000.0    0
2018-05-01 B      800.0    0
2018-06-01 A     1200.0    1
           B     1200.0    0
           C     1200.0    1
2018-07-01 A     1000.0    0
2018-08-01 B     1000.0    0
           C     1000.0    1
2018-09-01 A     1600.0    1
           B     1600.0    1
2018-10-01 C     1000.0    0
           A      800.0    0
           B      800.0    0
2018-11-01 A     1000.0    0
2018-12-01 B     1600.0    0
           C     1600.0    1

使用两列的groupby的第一行构造新列-Pandas

4 个答案:

`duplicated`