根据 Pandas Dataframe 中的组和掩码列将第一个值从 0 转换为 1答案

【问题标题】：Convert first value from 0 to 1 based on group and mask columns in a Pandas Dataframe根据 Pandas Dataframe 中的组和掩码列将第一个值从 0 转换为 1
【发布时间】：2023-01-12 23:04:19
【问题描述】：

我正在尝试将 Pandas Dataframe 的列中第一次出现的 0 转换为 1。有问题的列包含 1、0 和空值。样本数据如下：

mask_col	categorical_col	target_col
TRUE	A	1
TRUE	A	1
FALSE	A
TRUE	A	0
FALSE	A
TRUE	A	0
TRUE	B	1
FALSE	B
FALSE	B
FALSE	B
TRUE	B	0
FALSE	B

我希望第 4 行和第 11 行更改为 1，并将第 6 行保留为 0。

我该怎么做呢？

【问题讨论】：

究竟是什么逻辑呢？ True到第二个都是1，其他都是0？
我正在使用分类作为 groupby 列进行成像，然后结合掩码的真值仅将每个组中第一次出现的 0 更改为 1

标签： python pandas

【解决方案1】：

逻辑并不完全清楚，但考虑到每组 categorical_col 的 True 的延伸，并假设您想要第一个 N 延伸（此处 N=2）作为 1：

vals = (df.groupby('categorical_col', group_keys=False)['mask_col']
          .apply(lambda s: s.ne(s.shift())[s].cumsum())
       )

df.loc[vals[vals.le(2)].index, 'target_col'] = 1

输出：

    mask_col categorical_col  target_col
0       True               A         1.0
1       True               A         1.0
2      False               A         NaN
3       True               A         1.0
4      False               A         NaN
5       True               A         0.0
6       True               B         1.0
7      False               B         NaN
8      False               B         NaN
9      False               B         NaN
10      True               B         1.0
11     False               B         NaN

【讨论】：

【解决方案2】：

利用：

m = df['target_col'].eq(0)
df.loc[ m.groupby(df['categorical_col']).idxmax(), 'target_col'] = 1
print (df)
    mask_col categorical_col  target_col
0       True               A         1.0
1       True               A         1.0
2      False               A         NaN
3       True               A         1.0
4      False               A         NaN
5       True               A         0.0
6       True               B         1.0
7      False               B         NaN
8      False               B         NaN
9      False               B         NaN
10      True               B         1.0
11     False               B         NaN

【讨论】：