关系数据集中索引 id 列表的每个元素的最后一个成员答案

【问题标题】：Last member of each element of an id list of indices in relational dataset关系数据集中索引 id 列表的每个元素的最后一个成员
【发布时间】：2022-01-05 15:01:59
【问题描述】：

假设我在 python 中有两个数据集：家庭和人（个人）。一个密钥或 id (int64) 将一个家庭与一个或多个个人联系起来。我想创建一个名为“last_member”的二进制变量，如果同一家庭中有更多人，则该变量取值为 0，如果此人是该家庭的最后一个成员，则取值为 1。

一个简单的例子如下：

last_member id ...
0           1  ...
0           1  ...
1           1  ...
1           2  ...
0           3  ...
1           3  ...
...

我可以从家庭数据集或个人数据集本身获取唯一 ID 的数量。

我感觉numpy's where function 或pandas' aggregate 都是找到此类解决方案的有力候选者。尽管如此，我还是无法理解一个不涉及（比如说）循环遍历索引列表的高效解决方案。

【问题讨论】：

标签： python pandas dataframe numpy relational-database

【解决方案1】：

我编写了一个可以高效运行并解决问题的函数。这个想法是创建充满零的变量“last_member”。这个变量让我们可以使用pandas' groupby 计算每个 id 的成员数。然后我们计算累积和（减去 1，因为 python 的索引）来找到我们想要将“last_member”变量的值更改为 1 的索引。

def create_last_member_variable(data):
    """ Creates a last_member variable based on the index of id variable.
    """
    data["last_member"] = 0
    n_members = data.groupby(["id"]).count()["last_member"]
    row_idx = np.cumsum(n_members) - 1 
    data.loc[row_idx, "last_member"] = 1

    return data

【讨论】：