我有一个如下所示的数据框:
customer_id event_date data
1 2012-10-18 0
1 2012-10-12 0
1 2015-10-12 0
2 2012-09-02 0
2 2013-09-12 1
3 2010-10-21 0
3 2013-11-08 0
3 2013-12-07 1
3 2015-09-12 1
我希望添加额外的列，例如下面的“flag_1”和“flag_2”，这样我自己(以及我传递修改后的数据时的其他人)可以轻松进行过滤。
Flag_1 表示该客户在数据集中的首次出现。我已经通过排序成功地实现了这个:
dta.sort_values(['customer_id','event_date'])
然后使用:dta.duplicated(['customer_id']).astype(int)
当“数据”列 = 1 时，Flag_2 将指示每个客户的第一次出现。
实现的附加列的示例如下所示:
customer_id event_date data flag_1 flag_2
1 2012-10-18 0 1 0
1 2012-10-12 0 0 0
1 2015-10-12 0 0 0
2 2012-09-02 0 1 0
2 2013-09-12 1 0 1
3 2010-10-21 0 1 0
3 2013-11-08 0 0 0
3 2013-12-07 1 0 1
3 2015-09-12 1 0 0
我是 pandas 的新手，不确定如何在不遍历整个数据框的情况下实现“flag_2”列 - 我认为有一种使用内置函数实现的更快的方法，但没有找到任何帖子？
谢谢
最佳答案
首先初始化空标志。使用 groupby 获取基于 customer_id 的组。对于第一个标志，使用 loc 为每个组中的第一个值设置 flag1 的值。对 flag2 使用相同的策略，但首先过滤 data 已设置为 1 的情况。
# Initialize empty flags
df['flag1'] = 0
df['flag2'] = 0
# Set flag1
groups = df.groupby('customer_id').groups
df.loc[[values[0] for values in groups.values()], 'flag1'] = 1
# Set flag2
groups2 = df.loc[df.data == 1, :].groupby('customer_id').groups
df.loc[[values[0] for values in groups2.values()], 'flag2'] = 1
>>> df
customer_id event_date data flag1 flag2
0 1 2012-10-18 0 1 0
1 1 2012-10-12 0 0 0
2 1 2015-10-12 0 0 0
3 2 2012-09-02 0 1 0
4 2 2013-09-12 1 0 1
5 3 2010-10-21 0 1 0
6 3 2013-11-08 0 0 0
7 3 2013-12-07 1 0 1
8 3 2015-09-12 1 0 0
关于python - pandas:根据列值查找 df 中事件的首次发生并标记为新列值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35484876/