我有 2 个数据框
数据框1:
index cust_id rank opt
0 customer_1 1 test1
2 customer_1 2 test3
3 customer_1 3 test4
4 customer_2 1 test1
5 customer_2 2 test4
7 customer_2 3 test3
9 customer_3 1 test3
10 customer_3 2 test4
11 customer_3 3 test1
数据框2:
index cust_id rank opt
1 customer_1 1 new_opt
2 customer_2 2 new_opt
3 customer_3 3 new_opt
我想将这两个数据帧合并在一起并获得如下输出:
index cust_id rank opt
0 customer_1 1 new_opt
1 customer_1 2 test1
2 customer_1 3 test3
3 customer_1 4 test4
4 customer_2 1 test1
5 customer_2 2 new_opt
6 customer_2 3 test4
7 customer_2 4 test3
8 customer_3 1 test3
9 customer_3 2 test4
10 customer_3 3 new_opt
11 customer_3 4 test1
基本上，我希望 dataframe2 中的排名保持不变，而 dataframe1 中的排名在将数据帧 append 在一起后针对剩余选项增加。
感谢任何帮助!
最佳答案
在两者都具有密集排名的情况下，concat第一帧到第二帧，然后排序。这确保 df2 中的行出现在 df1 中排名相似的行之上。新的排名是组内的 cumcount
df = pd.concat([df2, df1], ignore_index=True).sort_values(['cust_id', 'rank'])
df['rank'] = df.groupby('cust_id').cumcount()+1
cust_id rank opt
0 customer_1 1 new_opt
3 customer_1 2 test1
4 customer_1 3 test3
5 customer_1 4 test4
6 customer_2 1 test1
1 customer_2 2 new_opt
7 customer_2 3 test4
8 customer_2 4 test3
9 customer_3 1 test3
10 customer_3 2 test4
2 customer_3 3 new_opt
11 customer_3 4 test1
相反，如果您通常希望将 1 添加到排名高于 new_opt 的所有行的排名中，而不管初始排名如何，我们可以使用groupby.apply。相同的第一步，但现在我们使用 cummax 在 new_opt 之后向组内的所有行添加 1。这导致与上面相同的输出。
df = pd.concat([df2, df1], ignore_index=True).sort_values(['cust_id', 'rank'])
df['rank'] = (df['rank']
+ (df.opt.eq('new_opt')
.groupby(df.cust_id)
.apply(lambda x: x.shift().cummax()).fillna(0).astype(int)))
关于python - 将 2 个数据帧 append 在一起并在 append 时增加等级，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58631184/