Pandas 向后填充增加了 12 个月答案

【问题标题】：Pandas backward fill increment by 12 monthsPandas 向后填充增加了 12 个月
【发布时间】：2018-01-26 17:14:28
【问题描述】：

我有一个包含每年课程名称的数据框。我需要找到从 2016 年开始的以月为单位的持续时间。

from io import StringIO

import pandas as pd

u_cols = ['page_id','web_id']
audit_trail = StringIO('''
year_id | web_id
2012|efg
2013|abc 
2014| xyz
2015| pqr
2016| mnp
''')

df11 = pd.read_csv(audit_trail, sep="|", names = u_cols  )

如何在新列中从最高开始添加月份（即像 bfill 这样的底部？）

最终的数据框将如下所示...

u_cols = ['page_id','web_id' , 'months']
audit_trail = StringIO('''
year_id | web_id | months
2012|efg | 60
2013|abc | 48
2014| xyz | 36
2015| pqr | 24
2016| mnp | 12
''')

df12 = pd.read_csv(audit_trail, sep="|", names = u_cols  )

有些答案不认为可以有多个课程。正在更新示例数据...

from io import StringIO

import pandas as pd

u_cols = ['course_name','page_id','web_id']
audit_trail = StringIO('''
course_name| year_id | web_id
a|2012|efg
a|2013|abc 
a|2014| xyz
a|2015| pqr
a|2016| mnp
b|2014| xyz
b|2015| pqr
b|2016| mnp

''')

df11 = pd.read_csv(audit_trail, sep="|", names = u_cols  )

【问题讨论】：

标签： python pandas dataframe group-by pandas-groupby

【解决方案1】：

您可以将transform 与arange 一起使用：

df11['months'] = df11.groupby('course_name')['year_id'] \
                     .transform(lambda x: np.arange(len(x)*12, 0, -12))
print (df11)
  course_name  year_id  web_id  months
0           a     2012     efg      60
1           a     2013     abc      48
2           a     2014     xyz      36
3           a     2015     pqr      24
4           a     2016     mnp      12
5           b     2014     xyz      36
6           b     2015     pqr      24
7           b     2016     mnp      12

【讨论】：

【解决方案2】：

df11.assign(
    months=df11.groupby('course_name').apply(
        lambda x: pd.Series(np.repeat([12], len(x)).cumsum()[::-1])
    ).values
)

  course_name  year_id web_id  months
0           a     2012    efg      60
1           a     2013    abc      48
2           a     2014    xyz      36
3           a     2015    pqr      24
4           a     2016    mnp      12
5           b     2014    xyz      36
6           b     2015    pqr      24
7           b     2016    mnp      12

感谢 @Alexander 和 @jezrael 提醒我们transform 的一个很酷的特点
考虑到这一点，我可以将答案更改为

df11.assign(months=df11.groupby('course_name').year_id.transform(
    lambda x: np.repeat([12], len(x)).cumsum()[::-1]
))

  course_name  year_id web_id  months
0           a     2012    efg      60
1           a     2013    abc      48
2           a     2014    xyz      36
3           a     2015    pqr      24
4           a     2016    mnp      12
5           b     2014    xyz      36
6           b     2015    pqr      24
7           b     2016    mnp      12

【讨论】：

【解决方案3】：

>>> df11.assign(months=df11.groupby('course_name').year_id.transform(
        lambda years: range(len(years) * 12, 0, -12)))
  course_name  year_id web_id  months
0           a     2012    efg      60
1           a     2013   abc       48
2           a     2014    xyz      36
3           a     2015    pqr      24
4           a     2016    mnp      12
5           b     2014    xyz      36
6           b     2015    pqr      24
7           b     2016    mnp      12

【讨论】：

不错！我忘了transform 不需要索引。