python - 用两列的 groupby 的第一行构建新列 - Pandas

Question

我正在尝试构建一个新列，如果它是列“type”的元素第一次具有列“xx”的特定值，则该列的值为 1，并在中给出 0 的值任何其他情况。

• 我正在使用的原始数据框 (df) 是:

  idx = [np.array(['Jan-18', 'Jan-18', 'Feb-18', 'Mar-18', 'Mar-18', 'Mar-18','Apr-18', 'Apr-18', 'May-18', 'Jun-18', 'Jun-18', 'Jun-18','Jul-18', 'Aug-18', 'Aug-18', 'Sep-18', 'Sep-18', 'Oct-18','Oct-18', 'Oct-18', 'Nov-18', 'Dec-18', 'Dec-18',]),np.array(['A', 'B', 'B', 'A', 'B', 'C', 'A', 'B', 'B', 'A', 'B', 'C','A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'A', 'B', 'C'])]
  data = [{'xx': 1000}, {'xx': 1000}, {'xx': 1200}, {'xx': 800}, {'xx': 800}, {'xx': 800},{'xx': 1000}, {'xx': 1000}, {'xx': 800}, {'xx': 1200}, {'xx': 1200}, {'xx': 1200},{'xx': 1000}, {'xx': 1000}, {'xx': 1000}, {'xx': 1600}, {'xx': 1600}, {'xx': 1000}, {'xx': 800}, {'xx': 800}, {'xx': 1000}, {'xx': 1600}, {'xx': 1600}]
  df = pd.DataFrame(data, index=idx, columns=['xx'])
  df.index.names=['date','type']
  df=df.reset_index()
  df['date'] = pd.to_datetime(df['date'],format = '%b-%y')
  df=df.set_index(['date','type'])
  df['xx'] = df.xx.astype('float')
  

• 我要找的结果是:

                       xx   yy
  date       type
  2018-01-01 A     1000.0  1.0
             B     1000.0  1.0
  2018-02-01 B     1200.0  1.0
  2018-03-01 A      800.0  1.0
             B      800.0  1.0
             C      800.0  1.0
  2018-04-01 A     1000.0  0.0
             B     1000.0  0.0
  2018-05-01 B      800.0  0.0
  2018-06-01 A     1200.0  1.0
             B     1200.0  0.0
             C     1200.0  1.0
  2018-07-01 A     1000.0  0.0
  2018-08-01 B     1000.0  0.0
             C     1000.0  1.0
  2018-09-01 A     1600.0  1.0
             B     1600.0  1.0
  2018-10-01 C     1000.0  0.0
             A      800.0  0.0
             B      800.0  0.0
  2018-11-01 A     1000.0  0.0
  2018-12-01 B     1600.0  0.0
             C     1600.0  1.0
  

• 我尝试了以下代码，但它不起作用(它给出了一条错误消息):

  df['yy'] = df.assign(zz=(df.groupby(['type','xx']).first())).zz.transform(lambda x: 1)
  

错误信息是

ValueError: Wrong number of items passed 0, placement implies 1.

我尝试了其他方法，例如 nth(0)，但它也不起作用。非常欢迎任何有关如何解决此问题的建议。

Answer 1

尝试:

df['yy'] = (df.groupby(level=1).xx
              .apply(lambda x: (~x.duplicated()).astype(int))
           )

df['yy']

输出:

date        type
2018-01-01  A       1
            B       1
2018-02-01  B       1
2018-03-01  A       1
            B       1
            C       1
2018-04-01  A       0
            B       0
2018-05-01  B       0
2018-06-01  A       1
            B       0
            C       1
2018-07-01  A       0
2018-08-01  B       0
            C       1
2018-09-01  A       1
            B       1
2018-10-01  C       0
            A       0
            B       0
2018-11-01  A       0
2018-12-01  B       0
            C       1
Name: yy, dtype: int32