创建列以标记另一列在几天前具有条件的位置答案

【问题标题】：Create column that flags where another column has condition days ago创建列以标记另一列在几天前具有条件的位置
【发布时间】：2021-11-02 17:18:53
【问题描述】：

我正在使用一个数据框，我需要在其中创建一个按“ColA”分组的列（“Newcol”），然后对于每一行 - 相对于日期列（“ColB”）...。请参阅如果在该日期值之前 2 或 3 天前存在特定字符串。示例如下：

原始 DF：

 ColA     ColB         ColC
  B      2021-10-24    dog
  B      2021-10-25    cat
  B      2021-10-26    bird
  B      2021-10-27    dog
  B      2021-10-28    bird
  H      2021-10-24    cat
  H      2021-10-25    dog
  H      2021-10-26    dog
  H      2021-10-27    bird
  H      2021-10-28    cat
  X      2021-10-24    bird
  X      2021-10-25    dog
  X      2021-10-26    dog
  X      2021-10-27    dog
  X      2021-10-28    bird

所以，假设要标记的字符串是“狗”。按 ColA 分组，我需要“NewCol”才能使用 ColB 日期列，回顾 2-3 天，看看 ColC 是否说“狗”……如果确实如此，则标记它。所以“NewCol”中的值是二进制的：0 表示否，1 表示是。见下例：

所需的 DF：

 ColA     ColB         ColC     NewCol
  B      2021-10-24    dog        NA
  B      2021-10-25    cat        NA
  B      2021-10-26    bird       1
  B      2021-10-27    dog        1
  B      2021-10-28    bird       0
  H      2021-10-24    cat        NA
  H      2021-10-25    dog        NA
  H      2021-10-26    dog        0
  H      2021-10-27    bird       1
  H      2021-10-28    cat        1
  X      2021-10-24    bird       NA
  X      2021-10-25    dog        NA
  X      2021-10-26    dog        0
  X      2021-10-27    dog        1
  X      2021-10-28    bird       1

感谢任何建议。谢谢。

【问题讨论】：

为什么B的最后一行是0？
@QuangHoang B 的最后一行是日期 = 2021-10-28，因此将查看（2021-10-25 和 2021-10-26）前 2-3 天的 ColC 值colC - 分别是 'cat' 和 'bird' ...在 NewCol 中应该产生 0
啊，我明白了。那么我认为我的解决方案不能回答你的问题。它调查了最后 3 天。

标签： python pandas dataframe

【解决方案1】：

尝试 groupby.rolling：

df['NewCol'] = (df['ColC'].eq('dog')
                 .groupby(df['ColA']).rolling(3).max()
                 .reset_index('ColA', drop=True)
               )

请注意，这仅适用于 ColB 已排序且连续。否则，您需要将ColB 设置为索引并使用'3D' 滚动。

【讨论】：

【解决方案2】：

自连接获取带有日期的新列

extended_df = DF.merge( DF.rename(columns={'ColB':'ColDate'}), on=['ColA', 'ColC'], how='left']

并根据条件定义新列

extended_df['NewCol'] = np.nan 

extended_df.loc[ (extended_df.colB - extended_df.ColDate)>=2 & \
                 (extended_df.colB - extended_df.ColDate)<=3 , \
                 'NewCol' ] = 1

extended_df.loc[ (extended_df.colB - extended_df.ColDate)<2 | \
                 (extended_df.colB - extended_df.ColDate)>3 , \
                 'NewCol' ] = 0

然后去掉添加的列，得到最终输出

df = extended_df.drop( 'ColDate', axis=1 )
del extended_df

【讨论】：