python - Pandas :Groupby 扩展应用和条件

Question

我想对一列进行扩展，同时遵循基于另一列的条件:

df = pd.DataFrame({'_id': ['a','a', 'a', 'a', 'a'], 
                   'account': [1,2,3,2,5], 
                   'status':[3, 1, 5, 2, 7]})

  _id  account  status
0   a        1       3
1   a        2       1
2   a        3       5
3   a        2       2
4   a        5       7

这些行按时间顺序从最旧到最新排序，并显示用户 _id 对 account 进行status 更改的时间。所以在这里我们可以看到用户 a 在某个时间点将帐户 2 标记为 status 1，然后将该值更新为 2。

我需要一个 status_hist 列来显示所有 a 帐户的全局状态，其中全局状态定义为 min所有现有状态。在索引 0 处只有一个状态，因此 status_hist 为 3，在索引 1 处现在有两个状态'，并且 status_hist 为 1，依此类推。当我们到达索引 3 时，全局状态应该从 1 变为 2，因为状态 account 2 现在已经改变了。

我可以使用 df.itertuples() 轻松完成此操作，但如果有更快的方法，我想避免这样做。这是 itertuples 解决方案，如果它有助于澄清我所追求的:

df2 = pd.DataFrame()

for _, group in df.groupby('_id'):
    res = []
    statuses = defaultdict()
    for row in group.itertuples():
        statuses[row.account] = row.status
        res.append(min(statuses.values()))

    group['status_hist'] = res
    df2 = df2.append(group)

给出:

  _id  account  status  status_hist
0   a        1       3            3
1   a        2       1            1
2   a        3       5            1
3   a        2       2            2
4   a        5       7            2

谢谢，如果你能帮忙!

Answer 1

你可以使用get_dummies在“account”列上，乘以“status”中的 values。然后使用 mask 将 0 替换为 nan 以便能够 ffill 每组 '_id'，最后在列上取 min比如:

df_dummies = pd.get_dummies(df.account)*df.status.values[:,None]
df['status_hist'] = df_dummies.mask(df_dummies.eq(0)).groupby(df._id).ffill().min(axis=1)
print (df)
  _id  account  status  status_hist
0   a        1       3          3.0
1   a        2       1          1.0
2   a        3       5          1.0
3   a        2       2          2.0
4   a        5       7          2.0