按 ID 分组，然后检查两个特定列中的最后一行是否等于值答案

【问题标题】：group by ID, then check the last row in two specific columns if it's equal to value按 ID 分组，然后检查两个特定列中的最后一行是否等于值
【发布时间】：2022-06-17 06:09:06
【问题描述】：

所以我有这样的dataFrame：

ID	Age	name
1	12	m
1	13	n
1	14	r
1	15	r
2	11	l
2	22	f
2	33	f
2	55	f
3	150	o
3	160	j
3	170	s
3	180	o
4	10	k
4	20	k
4	30	k
4	40	k

我想先按 ID 分组，然后检查按 dataFrame 分组的 (name) 列的最后一行，如果最后一行相等，就说 'r' 例如我们示例中的 group (1) ，然后检查 group(1) 的 age 列中的最后一行，如果它大于特定数字，假设 name ('r') 是group(1) 中 (name) 列的最后一行，它的最后一行 (age) 应该 >= 15，如果该年龄条件满足，则创建另一个列，表示整个组已满足或不满足。对于 [names] 和 [ages] 列中每个组的最后一行，同样的事情。

所以这些是其他字母（姓名）和他们的（年龄）条件：

在按[ID]分组的dataFrame中，如果最后一行(name)是(r)最后一行(age)应该>=15，如果最后一行(name)是(f)最后一行( age) 应该 >= 55, 如果最后一行 (name) 是 (o) 最后一行 (age) 应该 >= 182 , 如果最后一行 (name) 是 (k) 最后一行 (age) 应该是>= 50。

这是我正在寻找的最后一个输出：

ID	Age	name	check_condition
1	12	m	satisfied
1	13	n	satisfied
1	14	r	satisfied
1	15	r	satisfied
2	11	l	satisfied
2	22	f	satisfied
2	33	f	satisfied
2	55	f	satisfied
3	150	o	unsatisfied
3	160	j	unsatisfied
3	170	s	unsatisfied
3	180	o	unsatisfied
4	10	k	unsatisfied
4	20	k	unsatisfied
4	30	k	unsatisfied
4	40	k	unsatisfied

pandas python 如何做到这一点？

【问题讨论】：

我不明白您的预期输出。每一行都应该是不满意的，因为分组 ID 为 1,2 和 3 不等于 k 和 ID 4 最后一行是 k 但 age<=60
所以基本上我需要一个代码来执行以下操作：groupby ID，然后对于按数据集分组，它将转到名称列让我们说组（1），它会检查它的最后一个在我们的例子中是 (r) 的行，所以因为它是 r，所以我需要另一个条件，即进入年龄列并检查 groupby (1) 中的最后一行，如果年龄 >= 15，那么我需要饱和词在新列中
是的，这就是您在问题中已经解释的内容，但是您的预期输出是否错误？！ ....或者每个 ID 的条件都会发生变化（在同一个 df 中）
实际上变化取决于每个 groupby 中名称的最后一行以及年龄列的最后一行
所以最后一行是 (r) 年龄应该 >= 15，如果最后一行是 (f) 年龄应该 >= 55，如果最后一行是 (o)年龄应该是 >= 182 ，如果最后一行是 (k) 年龄应该是 >= 50

标签： python pandas dataframe

【解决方案1】：

您可以尝试 group by 然后使用 group.iloc[-1][col] 获取每个组的最后一行值

d = {'r': 15, 'f': 55, 'o': 182, 'k': 50}

df['check_condition'] = df['ID'].map(
    df.groupby('ID').apply(lambda group:
                           'satisfied' if group.iloc[-1]['Age'] >= d.get(group.iloc[-1]['name'])
                           else 'unsatisfied')
)

    ID  Age name check_condition
0    1   12    m       satisfied
1    1   13    n       satisfied
2    1   14    r       satisfied
3    1   15    r       satisfied
4    2   11    l       satisfied
5    2   22    f       satisfied
6    2   33    f       satisfied
7    2   55    f       satisfied
8    3  150    o     unsatisfied
9    3  160    j     unsatisfied
10   3  170    s     unsatisfied
11   3  180    o     unsatisfied
12   4   10    k     unsatisfied
13   4   20    k     unsatisfied
14   4   30    k     unsatisfied
15   4   40    k     unsatisfied

【讨论】：

效果很好！！非常感谢，这真的很有帮助:)。

ID	Age	name
1	12	m
1	13	n
1	14	r
1	15	r
2	11	l
2	22	f
2	33	f
2	55	f
3	150	o
3	160	j
3	170	s
3	180	o
4	10	k
4	20	k
4	30	k
4	40	k

ID	Age	name
1	12	m
1	13	n
1	14	r
1	15	r
2	11	l
2	22	f
2	33	f
2	55	f
3	150	o
3	160	j
3	170	s
3	180	o
4	10	k
4	20	k
4	30	k
4	40	k

ID	Age	name
1	12	m
1	13	n
1	14	r
1	15	r
2	11	l
2	22	f
2	33	f
2	55	f
3	150	o
3	160	j
3	170	s
3	180	o
4	10	k
4	20	k
4	30	k
4	40	k