python - Pandas 数据帧: Add Column Conditionally On Past Dates and Values

Question

我正在继续尝试在 pandas 中完成在 excel 中很容易完成的事情。考虑 df:

   |  ID  |  Value  |  Date
0  |  A   |  .21    |  2010-01-01
1  |  A   |  .31    |  2010-02-01
2  |  A   |  .44    |  2010-02-15
3  |  B   |  .23    |  2010-01-01
4  |  C   |  .21    |  2010-02-01
5  |  C   |  .91    |  2010-02-15

关于添加新列的最佳方法的思考，该新列检查 (a) 值是否大于 0.30 以及 (b) ID 是否具有更早日期的记录(行)大于.30？

理想情况下，当值大于 0.3 时，我希望在新列中记录"is"，并且这是该 ID 的值大于 0.30 的最早日期；如果该值小于 0.3 并且 ID 没有大于 0.3 的早期记录，则记录“否”；并在 ID 具有值 > .3 的较早记录时记录“已经”。

所以输出看起来像这样:

   |  ID  |  Value  |  Date        | Result 
0  |  A   |  .21    |  2010-01-01  | No
1  |  A   |  .31    |  2010-02-01  | Yes
2  |  A   |  .24    |  2010-02-15  | Already
3  |  B   |  .23    |  2010-01-01  | No
4  |  C   |  .21    |  2010-02-01  | No
5  |  C   |  .91    |  2010-02-15  | Yes

感谢您的任何意见。

Answer 1

这是一种方法，创建一个作用于每个 ID subDataFrame 的函数以返回一系列“否”、"is"和“已经”:

In [11]: def f(x, threshold=0.3):
             first = (x > threshold).values.argmax()
             if x.iloc[first] > threshold:
                 return pd.concat([pd.Series('No', x.index[:first]),
                                   pd.Series('Yes', [x.index[first]]),
                                   pd.Series('Already', x.index[first+1:])])
             else:
                 return pd.Series('No', x.index)

In [12]: df.groupby('ID')['Value'].apply(f)
Out[12]:
0         No
1        Yes
2    Already
3        Yes
4         No
5        Yes
dtype: object

In [13]: df['Result'] = df.groupby('ID')['Value'].apply(f)

In [14]: df
Out[14]:
  ID  Value        Date   Result
0  A   0.21  2010-01-01       No
1  A   0.31  2010-02-01      Yes
2  A   0.29  2010-02-15  Already
3  B   0.23  2010-01-01      Yes
4  C   0.21  2010-02-01       No
5  C   0.91  2010-02-15      Yes