python - Pandas - 按组比较当前年份与所有以前年份的值，如果它是累积最小值，则返回 True

Question

我有一个具有以下结构的 Pandas 数据框

id    date         num        
243   2014-12-01   3
234   2014-12-01   2
243   2015-12-01   2
234   2016-12-01   4
243   2016-12-01   6
234   2017-12-01   5
243   2018-12-01   7
234   2018-12-01   10
243   2019-12-01   1
234   2019-12-01   12
243   2020-12-01   15
234   2020-12-01   5

我想添加另一列来比较字段 编号 来自 id 如果它小于前几年的任何值(对于每个 id )。例如， id 243 和 日期 2019-12-01 的值为 1。在这种情况下，新字段 旗将假定为 True，因为前几年没有任何值小于 id 243. 预期的数据框应如下所示:

id    date         num  flag         
243   2014-12-01   3      -
234   2014-12-01   2      -
243   2015-12-01   2      True
234   2016-12-01   4      False
243   2016-12-01   6      False
234   2017-12-01   5      False
243   2018-12-01   7      False
234   2018-12-01   10      False
243   2019-12-01   1      True
234   2019-12-01   12      False
243   2020-12-01   15      False
234   2020-12-01   5      False

我一直在寻找一个解决方案，让我可以将每一行与前几年的行进行比较。任何建议如何将每行值与几年前的值进行比较？
谢谢

Answer 1

使用 .cummin按组获取累积最小值

使用 .cumcount将每个组的第一个值返回为 -与 np.where

df['flag'] = (df['num'] == df.groupby(['id'])['num'].transform('cummin'))
df['flag'] = np.where(df.groupby('id').cumcount() == 0, '-', df['flag'])
df
Out[1]: 
     id       date  num   flag
0   243 2014-12-01    3      -
1   234 2014-12-01    2      -
2   243 2015-12-01    2   True
3   234 2016-12-01    4  False
4   243 2016-12-01    6  False
5   234 2017-12-01    5  False
6   243 2018-12-01    7  False
7   234 2018-12-01   10  False
8   243 2019-12-01    1   True
9   234 2019-12-01   12  False
10  243 2020-12-01   15  False
11  234 2020-12-01    5  False

小注:代替 np.where() ，您还可以使用:

df['flag'] = df['flag'].where(df.groupby('id').cumcount() != 0, '-')

这基本上做完全相同的事情。
在其中一行代码中:

(df.num == df.groupby('id').num.cummin()).where(df.groupby('id').cumcount() != 0, '-')