Python Pandas - 新列返回每个唯一 ID 的最早数据

Question

我有一个包含三列（客户 ID、交易、日期）的数据集。客户 ID 和交易之间存在一对多的关系。我想添加一个新列，其中包含每个唯一客户 ID 的最早购买数据。我尝试了下面的代码

df['First Purchase Date'] = df.loc[df.groupby('Customer ID').Date.idxmin(),:]

但是当我运行此代码时，我收到一条错误消息，指出在处理上述异常期间，发生了另一个异常：然后以一个值错误结束。它也不会创建名为 First Purchase Date 的新列。

有没有一种简单的方法可以在给定条件的另一列中找到一列中最早的数据？

我也尝试过使用 min()

df['First Purchase Date'] = df.groupby(['Customer ID'])['Date'].min()

这段代码创建了一个新列，这与我上面提到的第一行 idxmin 不同，但它给出了“NaN”作为所有内容的值。

Answer 1

这是您需要的代码

min_dates = df.groupby(['Customer ID'])['Date'].min()
df['First Purchase Date'] = df.apply(lambda row: min_dates.loc[row['Customer ID']], axis=1)

这是在一个最小的工作示例中的外观：

csv = """Customer ID,Date
1,2019
1,2018
1,2020
2,2000
2,2010
2,2005"""
from io import StringIO
import pandas as pd
df = pd.read_csv(StringIO(csv))

min_dates = df.groupby(['Customer ID'])['Date'].min()
df['First Purchase Date'] = df.apply(lambda row: min_dates.loc[row['Customer ID']], axis=1)
print(df)

这是输出

    Customer ID Date    First Purchase Date
0   1           2019    2018
1   1           2018    2018
2   1           2020    2018
3   2           2000    2000
4   2           2010    2000
5   2           2005    2000