python - 查找每组的唯一项目数

Question

我有一个 df A 看起来像，

type    number    date 
1       1         2017-10-01
2       1         2017-10-31
1       2         2017-09-01
1       2         2017-08-01
2       2         2017-06-01

首先，我想按 number 分组并选择每个组至少需要包含 1 行 type == 1 和一行 type = = 2;为此，我首先检查每个组的大小必须 > 2，

g = A.groupby('number')
B = g.filter(lambda x: len(x) > 1) # df B gets the filter results on g  

但我不知道如何检查上面获取的每个组中是否包含 type 值 1 和 2。

其次，基于从步骤 1 中获取的组，我想在 A 中创建一个名为 type_2_before_type_1 的 bool 列，它被赋值为 True 如果 type 1 的最早 date 减去 type 2 的最早 date 是 <0 对于每个组，否则为 False。由于每个组中可能有很多行 type == 1 和许多行 type == 2 (如何获取 g['A']. transform('min') 类型 1 和类型 2 行？)。所以结果 df A 看起来像，

type    number    date         type_2_before_type_1
1       1         2017-10-01   True
2       1         2017-10-31   True
1       2         2017-09-01   False
1       2         2017-08-01   False
2       2         2017-06-01   False

例如对于 number == 2 的组，类型 1 的最早日期 2017-08-01 减去类型 2 的最早日期 2017-06-01，结果在 61 天；因此将 False 设置为 type_2_before_type_1。

Answer 1

对于第一部分，使用groupby + nunique -

df.groupby('number').type.transform('nunique')

0    2
1    2
2    2
3    2
4    2
Name: type, dtype: int64

df = df[df.groupby('number').type.transform('nunique').gt(1)]

   type  number        date
0     1       1  2017-10-01
1     2       1  2017-10-31
2     1       2  2017-09-01
3     1       2  2017-08-01
4     2       2  2017-06-01

---

第二部分有点挑战，但是你可以groupby，unstack，调用diff然后得到一个mask -

df['type_2_before_type_1'] = \
 df.groupby(['number', 'type'])\
      .first()\
      .unstack()\
      .diff(-1, axis=1)\
      .iloc[:, 0]\
      .reindex(df.number)\
      .astype(int)\
      .lt(0)\
      .values

df

   type  number       date  type_2_before_type_1
0     1       1 2017-10-01                  True
1     2       1 2017-10-31                  True
2     1       2 2017-09-01                 False
3     1       2 2017-08-01                 False
4     2       2 2017-06-01                 False