python - 根据分组值将列添加到 DataFrame

Question

我有这个数据框:

df = pd.DataFrame({'site': ['a', 'a', 'a', 'b', 'b', 'b', 'a', 'a', 'a'],
                   'day': [1, 1, 1, 1, 1, 1, 2, 2, 2],
                   'hour': [1, 2, 3, 1, 2, 3, 1, 2, 3],
                   'clicks': [100, 200, 50, 0, 20, 30, 10, 0, 20]})
#   site  day  hour  clicks
# 0    a    1     1     100
# 1    a    1     2     200
# 2    a    1     3      50
# 3    b    1     1       0
# 4    b    1     2      20
# 5    b    1     3      30
# 6    a    2     1      10
# 7    a    2     2       0
# 8    a    2     3      20

我想要实现的目标:按“站点”和“天”对这些数据进行分组，并添加一个字段 (has_hour_1_clicks)，指示该站点/天的“小时”==1 的点击值是否大于 0 .我知道对于分组我基本上需要这个:

df.groupby(['site', 'day'])

但我找不到使用 transform()、filter() 或 aggr() 获得我想要的东西的方法。

所以我想从中得到的 DataFrame 看起来像这样:

#   site  day  hour  clicks  has_hour_1_clicks
# 0    a    1     1     100               True
# 1    a    1     2     200               True
# 2    a    1     3      50               True
# 3    b    1     1       0              False
# 4    b    1     2      20              False
# 5    b    1     3      30              False
# 6    a    2     1      10               True
# 7    a    2     2       0               True
# 8    a    2     3      20               True

Answer 1

这看起来像是 GroupBy.transform 的工作:

(df.eval('has_clicks = hour == 1 and clicks > 0')
   .groupby(['site', 'day'])['has_clicks']
   .transform('any'))                                     

0     True
1     True
2     True
3    False
4    False
5    False
6     True
7     True
8     True
Name: has_clicks, dtype: bool

---

工作原理

首先，找到符合您条件的行:

# eval statement is doing exactly this, but more succinctly
df.assign(has_clicks=(df['hour'] == 1) & (df['clicks'] > 0))

  site  day  hour  clicks  has_clicks
0    a    1     1     100        True
1    a    1     2     200       False
2    a    1     3      50       False
3    b    1     1       0       False
4    b    1     2      20       False
5    b    1     3      30       False
6    a    2     1      10        True
7    a    2     2       0       False
8    a    2     3      20       False

接下来，获取“has_clicks”列，如果该组中的任何行为真，则将该组中的所有行转换为“True”。这就是 transform('any') 正在做的事情:

_.groupby(['site', 'day'])['has_clicks'].transform('any')

0     True
1     True
2     True
3    False
4    False
5    False
6     True
7     True
8     True
Name: has_clicks, dtype: bool