python - 根据 pandas 中的标准创建虚拟变量

Question

我有一个像这样的数据框:

date           sales      company    country 
16/03/2012     3000       H&M        US
13/04/2012     2300       H&M        US
26/03/2012     1230       H&M        FR
13/04/2012     1300       H&M        FR
23/03/2012     2230       H&M        IT
19/04/2012     1100       H&M        IT
16/03/2012     3000       ABC        US
13/04/2012     2300       ABC        US
26/03/2012     100        ABC        FR
13/04/2012     60         ABC        FR
23/03/2012     435        ABC        IT
19/04/2012     300        ABC        IT

我想定义一个标准:如果一家公司的(平均)销售额来自单一国家/地区的比例低于 50%，则该公司被视为国际公司。我想创建一个新列，如果它是国际的，则取值 1，否则取值 0。最终输出应如下所示:

 date           sales      company    country   international
    16/03/2012     3000       H&M        US         1
    13/04/2012     2300       H&M        US         1
    26/03/2012     1230       H&M        FR         1
    13/04/2012     1300       H&M        FR         1
    23/03/2012     2230       H&M        IT         1
    19/04/2012     1100       H&M        IT         1
    16/03/2012     3000       ABC        US         0
    13/04/2012     2300       ABC        US         0
    26/03/2012     100        ABC        FR         0
    13/04/2012     60         ABC        FR         0
    23/03/2012     435        ABC        IT         0
    19/04/2012     300        ABC        IT         0

我怎样才能做到这一点？P.S:数据集中可能缺少销售值，我怎么能说忽略这些值呢？

Answer 1

使用transform对于方法，将它们进行比较，并使用聚合all进行分组，以检查所有值是否返回True:

s2 = df.groupby('company')['sales'].transform('mean') / 2
print (s2)
0     930.00
1     930.00
2     930.00
3     930.00
4     930.00
5     930.00
6     516.25
7     516.25
8     516.25
9     516.25
10    516.25
11    516.25
Name: sales, dtype: float64

s1 = df.groupby(['company', 'country'])['sales'].transform('mean')
print (s1)
0     2650.0
1     2650.0
2     1265.0
3     1265.0
4     1665.0
5     1665.0
6     2650.0
7     2650.0
8       80.0
9       80.0
10     367.5
11     367.5
Name: sales, dtype: float64

<小时/>

df['international'] = (s1 > s2).groupby(df['company']).transform('all').astype(int)
print (df)
          date  sales company country  international
0   16/03/2012   3000     H&M      US              1
1   13/04/2012   2300     H&M      US              1
2   26/03/2012   1230     H&M      FR              1
3   13/04/2012   1300     H&M      FR              1
4   23/03/2012   2230     H&M      IT              1
5   19/04/2012   1100     H&M      IT              1
6   16/03/2012   3000     ABC      US              0
7   13/04/2012   2300     ABC      US              0
8   26/03/2012    100     ABC      FR              0
9   13/04/2012     60     ABC      FR              0
10  23/03/2012    435     ABC      IT              0
11  19/04/2012    300     ABC      IT              0