【发布时间】:2018-09-26 16:38:57
【问题描述】:
小猪回避这个问题python pandas new column categorization based on conditions in other columns
#code to re-create my example date
df = pd.DataFrame({'customer_id': ['abc','abc','xyz','xyz','xyz','xyz','thr','thr','abc','abc','urt','urt'],
'transaction_id': ['A123','A123','B345','B345','C567','C567','D678','D678','E789','E789','D903','F865'],
'product_id': [255472, 251235, 253764,257344,221577,209809,223551,290678,908354,909238,436758,346577],
'product_category': ['X','X','Y','Y','X','Y','Y','X','Y','Z','X','X']})
#example data
customer_id| transaction_id | product_id | product_category
abc A123 255472 X
abc A123 251235 X
xyz B345 253764 Y
xyz B345 257344 Y
xyz C567 221577 X
xyz C567 209809 Y
thr D678 223551 Y
thr D678 290678 X
abc E789 908354 Y
abc E789 909238 Z
urt D903 436758 X
urt F865 346577 X
我想标记在不同交易中(不在同一交易中)具有 X 和 Y 的所有 customer_id。
#expected output
customer_id| transaction_id | product_id | product_category | flag
abc A123 255472 X 1
abc A123 251235 X 1
xyz B345 253764 Y 0
xyz B345 257344 Y 0
xyz C567 221577 X 0
xyz C567 209809 Y 0
thr D678 223551 Y 0
thr D678 290678 X 0
abc E789 908354 Y 1
abc E789 909238 Z 1
urt D903 436758 X 0
urt F865 346577 X 0
我想不出一个干净的解决方案。在上面的示例中,我们有客户 abc,他的交易仅包含产品类别 X,然后交易包含产品类别 Y 和 Z。这是我要标记的客户,他们有 X 和 Y,但在不同的 transaction_ids 中。
我想到的一种方法是使用我之前回答中的代码:
df['pre_flag']=df.groupby('transaction_id')['product_category'].transform(lambda x: x + ' only' if len(set(x)) < 2 else ' & '.join(set(x)))
然后将数据集一分为二:
df_1 = df.loc[df['pre_flag'] == 'X&Y'].copy()
df_2 = df.loc[df['pre_flag'] != 'X&Y'].copy()
... 并使用 isin 语句;但这很混乱;必须有更好的方法。谢谢!
【问题讨论】:
-
谢谢!我正在测试它,它不起作用,但我正在寻找它是否不是我的数据框的问题,它非常大
标签: python pandas if-statement group-by conditional