python - 在 dplyr 中是否有类似的 pandas/numpy 函数与 group_by lead/lag with ifelse 语句？

Question

我正在分析契约(Contract)以查看哪些契约(Contract)在 Python 中按时支付或未支付。这些是合约到期日 outstanding_balance == 0 的合约。

我使用的 pandas DataFrame 是:

example_data = {'contract_no': [1,1,2,2,3,3],
                'maturity_date': ['2019-01-02', '2019-01-02', '2019-01-02', '2019-01-02', '2019-01-02', '2019-01-02'],
                'date_report_created': ['2019-01-01', '2019-01-02', '2019-01-01', '2019-01-02', '2019-01-01', '2019-01-02'],
                'outstanding_balance': [10, 0, 20, 20, 0, 0]}
example_data = pd.DataFrame(example_data, columns = ['contract_no',
                                                     'maturity_date',
                                                     'date_report_created',
                                                     'outstanding_balance'])

这是下面的数据框。如您所见，contract_no == 1，未结余额在 maturity_date == date_report_created 时(按时)支付。对于第二份契约(Contract)，这是延迟支付的，对于第三份契约(Contract)，这是提前支付的。

基本上，我正在寻找当 maturity_date == date_report_created 时 outstanding_balance == 0 的合约。

   contract_no maturity_date date_report_created  outstanding_balance
0            1    2019-01-02          2019-01-01                   10
1            1    2019-01-02          2019-01-02                    0
2            2    2019-01-02          2019-01-01                   20
3            2    2019-01-02          2019-01-02                   20
4            3    2019-01-02          2019-01-01                    0
5            3    2019-01-02          2019-01-02                    0

这就是我想要的输出:

   contract_no maturity_date date_report_created  outstanding_balance  paid_on_time
0            1    2019-01-02          2019-01-01                   10             1
1            1    2019-01-02          2019-01-02                    0             1
2            2    2019-01-02          2019-01-01                   20             0
3            2    2019-01-02          2019-01-02                   20             0
4            3    2019-01-02          2019-01-01                    0             0
5            3    2019-01-02          2019-01-02                    0             0

我已经尝试在 python 3 中使用 pandas/numpy 来实现这一点。如果有人知道如何实现这一点，我将非常感激，我知道它需要在 contract_no 和一些 ifelse( ) 在某处滞后/领先逻辑!

Answer 1

使用transform + idxmax

cno = example_data['contract_no']
ob = example_data['outstanding_balance']
md = example_data['maturity_date']
drc = example_data['date_report_created']

i = ob.eq(0).groupby(cno).transform('idxmax')
j = md.eq(drc).groupby(cno).transform('idxmax')

i.eq(j).view('i1')

0    1
1    1
2    0
3    0
4    0
5    0
dtype: int8