Pandas 使用 groupby 创建新列并避免循环答案

【问题标题】：Pandas create new column with groupby and avoid loopsPandas 使用 groupby 创建新列并避免循环
【发布时间】：2021-05-16 22:32:18
【问题描述】：

我有一个包含 customer_id、年份、订单和其他一些但不重要的列的 df。每次收到新订单时，我的代码都会创建一个新行，因此每个 customer_id 可以有不止一行。我想创建一个“实际”的新列，如果 customer_id 在 2020 年或 2021 年购买，则其中包括“真”。我的代码是：

#Run through all customers and check if they bought in 2020 or 2021
investors = df["customer_id"].unique()
df["actually"] = np.nan
for i in investors:
    selected_df = df.loc[df["customer_id"] == i]
    for year in selected_df['year'].unique():
        if "2021" in str(year) or "2020" in str(year):
            df.loc[df["customer_id"] == i, "actually"] = "True"
            break
#Want just latest orders / customers
df = df.loc[df["actually"] == "True"]

这很好用，但速度很慢。我想使用 Pandas groupby 功能，但到目前为止还没有找到工作方法。我也避免循环。有人有想法吗？

【问题讨论】：

请与预期输出共享示例数据框
分享你的输入输出数据帧请阅读minimal reproducible example

标签： python pandas dataframe group-by

【解决方案1】：

您可以像这样创建列名“Actually”。

list1=df['Customer_id'][df.year==2020].unique()
list2=df['Customer_id'][df.year==2021].unique()
df['Actually']=df['Customer_id'].apply( lambda x : x in list1 or x in list2)

【讨论】：

【解决方案2】：

根据我对您的场景的理解，这是一个简单的代码：

import pandas as pd

# Sample data to recreate the scenarion
data = {'customer_id': ['c1','c2','c1','c4','c3','c3'], 'year': [2019, 2018,2021,2012,2020,2021], 'order': ['A1','A2','A3','A4','A5','A6']}
df = pd.DataFrame.from_dict(data)

# Creating the new column (initially all false)
df['actually'] = False

# Filling only required rows with True
df.loc[(df['year']==2020) | (df['year']==2021), 'actually'] = True

print(df)

这将产生：

  customer_id  year order  actually
0          c1  2019    A1     False
1          c2  2018    A2     False
2          c1  2021    A3      True
3          c4  2012    A4     False
4          c3  2020    A5      True
5          c3  2021    A6      True

【讨论】：

【解决方案3】：

您可以使用 apply 方法，以避免循环：

df['actually']=df['customer_id'].apply(lambda x: df[df.customer_id==x]['year'].str.contains('2020').any() or df[df.customer_id==x]['year'].str.contains('2021').any())

【讨论】：

apply 不只是变相的循环吗？
有点，但我认为比循环更好。我在这里看不到任何更快的方法，例如 np.where 因为条件不是逐行的