比较 groupby 中的字符串行并将值分配给新列 pandas

Question

我有一个员工数据集（他们的 ID）和他们老板的名字，这些年数年了。

df:

我需要做的是看看员工是否有老板的变化。所以，期望的输出是：

对于只在 df 中出现一次的员工，我只分配 0（没有老板的变动）。但是，对于在df工作了几年的员工，我不知道该怎么做。

我在想首先我需要为他们出现在df中的第一年分配0（因为我们不知道之前谁是老板，所以没有老板的变化）。然后我需要将老板的名字与下一行的名字进行比较，并决定将 1 或 0 分配到 ManagerChange 列中。

到目前为止，我将 df 一分为二（具有唯一 ID 和重复 ID），并将 0 分配给 ManagerChange 以获得唯一 ID。

然后我将重复的 ID 分组并按年份排序。但是，我是 Python 新手，无法弄清楚如何比较字符串并将结果值分配给 groupby 内的新列。请帮忙。

到目前为止我的代码：

# splitting database in two
bool_series = df["ID"].duplicated(keep=False)

df_duplicated=df[bool_series]

df_unique = df[~bool_series]

# assigning 0 for ManagerChange for the unique IDs
df_unique['ManagerChange'] = 0

# groupby by ID and sorting by year for the duplicated IDs
df_duplicated.groupby('ID').apply(lambda x: x.sort_values('Year'))

Answer 1

您可以按shift() 分组并在Boss 列上进行比较。

# Sort value first
df.sort_values(['ID', 'Year'], inplace=True)

# Compare Boss column with shifted Boss column
df['ManagerChange'] = df.groupby('ID').apply(lambda group: group['Boss'] != group['Boss'].shift(1)).tolist()

# Change True to 1, False to 0
df['ManagerChange'] = df['ManagerChange'].map({True: 1, False: 0})

# Sort df to original df
df = df.sort_index()

# Change the first in each group to 0
df.loc[df.groupby('ID').head(1).index, 'ManagerChange'] = 0

# print(df)

     ID  Year     Boss  ManagerChange
0  1234  2018     Anna              0
1   567  2019    Sarah              0
2  1234  2020  Michael              0
3  8976  2019     John              0
4  1234  2019  Michael              1
5  8976  2020     John              0

---

您也可以使用fill_value 参数，这将帮助您摆脱最后的df.loc[] 操作。

# Sort value first
df.sort_values(['ID', 'Year'], inplace=True)

df['ManagerChange'] = df.groupby('ID').apply(lambda group: group['Boss'] != group['Boss'].shift(1, fill_value=group['Boss'].iloc[0])).tolist()

# Change True to 1, False to 0
df['ManagerChange'] = df['ManagerChange'].map({True: 1, False: 0})

# Sort df to original df
df = df.sort_index()