我有一个非常大的数据框。
我想根据其他列“userid”和“date”创建一个新列“结果”。
用户 ID 有两条或更多记录。
import pandas as pd
import numpy as np
userid = ['1','1','22','48','48','48','393','393','555','555']
date = ['11/01/2016','11/02/2016','11/05/2016','11/08/2016','12/02/2016','02/12/2017','02/22/2017','02/28/2017','12/15/2016','02/28/2017']
df1 = pd.DataFrame({"userid": userid, "date": date})
userid date
1 11/01/2016
1 11/02/2016
22 11/05/2016
48 11/08/2016
48 12/02/2016
48 02/12/2017
393 02/22/2017
393 02/28/2017
555 12/15/2016
555 02/28/2017
这个新列“结果”中有两种类型的值。
'1':如果 userid 出现在 02/01/2017 之前、02/01/2017 或之后(两个条件都必须满足),则返回值是 '1'。
“0”:如果不满足上述条件,则该行应分配为“0”。
示例 1:userid 48 在 02/01/2017 之前出现两次,在 02/01/2017 之后出现一次。因此,userid 48 的结果列中的值应该为“1”,因为这两个条件都满足。
示例 2:userid 393 在我们的数据中出现两次,但在两条记录中其日期均在 02/01/2017 之后。因此,用户 ID 393 的结果列中的值应为“0”。
在这种情况下,我的输出数据帧将是:
userid date result
1 11/01/2016 0
1 11/02/2016 0
22 11/05/2016 0
48 11/08/2016 1
48 12/02/2016 1
48 02/12/2017 1
393 02/22/2017 0
393 02/28/2017 0
555 12/15/2016 1
555 02/28/2017 1
我不知道实现这一目标的最佳方法。
有人可以帮忙吗?提前致谢!
最佳答案
这应该可以解决问题
import pandas as pd
import numpy as np
import datetime
userid = ['1','1','22','48','48','48','393','393','555','555']
date = ['11/01/2016','11/02/2016','11/05/2016','11/08/2016','12/02/2016','02/12/2017','02/22/2017','02/28/2017','12/15/2016','02/28/2017']
df1 = pd.DataFrame({"userid": userid, "date": date})
# convert date type to datetime
df1['date'] = pd.to_datetime(df1['date'])
# define threshold date
dt = datetime.datetime(2017, 2, 1)
# logic
fn = lambda _: 1 if _.min()<dt and _.max()>=dt else 0
res = df1.groupby('userid')['date'].agg(fn).reset_index()
res.rename({'date':'result'}, axis=1, inplace=True)
df1.merge(res)
输出
userid date result
1 11/01/2016 0
1 11/02/2016 0
22 11/05/2016 0
48 11/08/2016 1
48 12/02/2016 1
48 02/12/2017 1
393 02/22/2017 0
393 02/28/2017 0
555 12/15/2016 1
555 02/28/2017 1
关于Python-根据多个日期创建新列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60143607/