Pandas - 在数据框中添加标志列答案

【问题标题】：Pandas - Add a flag column in dataframePandas - 在数据框中添加标志列
【发布时间】：2018-01-19 16:31:39
【问题描述】：

我有一个像这样的数据框：

Client_ID    Product_nb   Item_id
1            1            i1  
1            1            i2
1            1            i3

1            2            i2
1            2            i5  
1            2            i7

1            3            i1
1            3            i2
1            3            i4
1            3            i6

2            1            i1
2            1            i2
2            1            i3
2            1            i4

2            2            i1
2            2            i2
...          ...          ...

所以每个客户 (client_id) 都有多个产品 (Product_nb)。对于每个产品，我只想保留一个项目 (item_id)。对于同一客户，下一个产品不应与上一个产品对应。

如果我需要保留该项目，我想在每个项目旁边添加一个标志：

Client_ID    Product_nb   Item_id   Keep
1            1            i1        1
1            1            i2        0
1            1            i3        0

1            2            i2        1
1            2            i5        0
1            2            i7        0

1            3            i1        0
1            3            i2        0
1            3            i4        1
1            3            i6        0

2            1            i1        1
2            1            i2        0
2            1            i3        0
2            1            i4        0

2            2            i1        0
2            2            i2        1
...          ...          ...       ...

我的想法是迭代所有客户和产品。对于每个客户，保存已保存在列表中的项目：

df = df.set_index(['client_id','product_nb','item_id','keep'])
client_ids = df.index.get_level_values('client_id').unique()
for client in client_ids:
    list_already = []
    prod_nbs = df.loc[client].index.get_level_values('product_nb').unique()
    for prod_nb in prod_nbs:
        item_ids = df.loc[client,prod_nb].index.get_level_values('item_id').unique()
        for item_id in item_ids:
            if (item_id in list_already):
                df.loc[client,prod_nb,item_id,'keep'] = 1
                continue
            else:
                list_already.append(item_id)
                df.loc[client,prod_nb,item_id,'keep'] = 1
                break

但这会返回输入数据帧。

我会很乐意提供任何帮助。谢谢

【问题讨论】：

标签： python pandas dataframe iterator

【解决方案1】：

在 pandas 中，您通常不希望循环遍历您的 DataFrame。它很慢，几乎所有东西都有更多优化的例程。你的情况

df.groupby(['Client_ID', 'Product_nb'])['Item_id'].first()

完成这项工作。将 df 替换为您的 DataFrame 的名称

编辑：我过度阅读了约束，即您选择的值应该是唯一的。最好事先过滤值，然后过滤 groupby

【讨论】：