主页 / coding / 问题 / 79182808
Accepted
user1700890
Asked: 2024-11-13 05:46:13 +0800 CST

分组、排序并检测行之间的变化

  • 772

我有一个数据框。我想按 col1 分组，按 col3 排序，并检测 col2 中行与行之间的变化。

以下是我的示例：

import pandas as pd
import datetime

my_df = pd.DataFrame({'col1': ['a', 'a', 'a', 'b', 'b', 'b'],
                      'col2': [2, 2, 3, 5, 5, 5],
                      'col3': [datetime.date(2023, 2, 1),
                               datetime.date(2023, 3, 1),
                               datetime.date(2023, 4, 1),
                               datetime.date(2023, 2, 1),
                               datetime.date(2023, 3, 1),
                               datetime.date(2023, 4, 1)]})

my_df.sort_values(by=['col3'], inplace=True)
my_df_temp = my_df.groupby('col1')['col2'].apply(
    lambda x: x != x.shift(1)
).reset_index(name='col2_change')

我的数据框如下所示：

  col1  col2        col3
0    a     2  2023-02-01
1    a     2  2023-03-01
2    a     3  2023-04-01
3    b     5  2023-02-01
4    b     5  2023-03-01
5    b     5  2023-04-01

结果如下：

  col1  level_1  col2_change
0    a        0         True
1    a        1        False
2    a        2         True
3    b        3         True
4    b        4        False
5    b        5        False

这显然是错误的。我做错了什么？

pandas

2 个回答

  1. Best Answer

    首先，您的问题并不明显，您应该提供预期的输出以便清楚了解。

    我想象您想要添加一个新列并保持原有的现有列不变。为此，您需要使用groupby.transform：

    my_df['col2_change'] = (my_df
                        .groupby('col1')['col2']
                        .transform(lambda x: x != x.shift())
                       )

    变体为groupby.shift：

    my_df['col2_change'] = (my_df
                        .groupby('col1')['col2']
                        .shift().ne(my_df['col2'])
                       )

    此外，如果您不想映射组的第一个值，True您可以执行 double shift：

    my_df['col2_change2'] = (my_df
                         .groupby('col1')['col2']
                         .transform(lambda x: x.ne(x.shift(-1))
                                               .shift(fill_value=False))
                        )

    注意：最好使用双移位，因为bfill这样会错误地填充内部 NaN（如果有）。

    或者使用duplicated和where：

    my_df['col2_change2'] = (my_df
                         .groupby('col1')['col2']
                         .transform(lambda x: x != x.shift())
                         .where(my_df['col1'].duplicated(), False)
                       )

    输出：

      col1  col2        col3  col2_change  col2_change2
0    a     2  2023-02-01         True         False
3    b     5  2023-02-01         True         False
1    a     2  2023-03-01        False         False
4    b     5  2023-03-01        False         False
2    a     3  2023-04-01         True          True
5    b     5  2023-04-01        False         False
    • 1

  2. 这应该可行。输入：

    my_df = pd.DataFrame({'col1': ['a', 'a', 'a', 'a', 'b', 'b', 'b'],
                      'col2': [2, 3, 4, 4, 5, 5, 5],
                      'col3': [datetime.date(2023, 2, 1),
                               datetime.date(2023, 3, 1),
                               datetime.date(2023, 4, 1),
                               datetime.date(2023, 5, 1),
                               datetime.date(2023, 2, 1),
                               datetime.date(2023, 3, 1),
                               datetime.date(2023, 4, 1)]})

    在代码中我也使用了 shift，但是是在 grouped 上my_df。要观察变化，你可以

    my_df['change'] = my_df['col2'].ne(my_df.groupby('col1')['col2'].shift()).rename('change')
my_df_idx = my_df.copy()
my_df_idx['change'] = (my_df.groupby('col1')['change'].cumsum()-1).astype(bool)
my_df_idx = my_df.set_index('col1')
my_df_idx.set_index('col3', append=True, inplace=True)
my_df_idx.sort_index(inplace=True)
my_df_idx

    输出：

    col1   col2    col3 change
a   2023-02-01  2   True
    2023-03-01  3   True
    2023-04-01  4   True
    2023-05-01  4   False
b   2023-02-01  5   True
    2023-03-01  5   False
    2023-04-01  5   False
    • 1

相关问题