枚举Python中的分组变量

Question

我有一个使用Python的带有病人ID号的数据框，每个记录代表一个不同的约会。 在每次约会中，一个特征（dx）都记录为0或1。我想创建一个新的特征，该特征将dx特征相加，但仅适用于该患者。

patient_ID   |   dx   |   
 29847            0
 29847            1
 29847            0
 29847            1
 29847            1

我可以用一个简单的groupby语句获取组的总和：

df.groupby(['patient_ID])['dx'].sum()

但是我想将枚举值作为一项新功能，仅考虑当前和以前的记录：

patient_ID   |   dx   |   dx_enum
 29847            0         0
 29847            1         1
 29847            0         1
 29847            1         2
 29847            1         3

我想这将需要一个for循环和一个groupby语句的组合，但是到目前为止还没有成功。 感谢您的任何帮助，您可以提供！

Answer 1

如果我明白你的意思，可以通过执行groupby然后调用transform并传递cumsum函数来添加列：

In [44]:

df['dx_enum'] = df.groupby('patient_ID')['dx'].transform(pd.Series.cumsum)
df
Out[44]:
   patient_ID  dx  dx_enum
0       29847   0        0
1       29847   1        1
2       29847   0        1
3       29847   1        2
4       29847   1        3

Transform返回与原始df对齐的序列，因此您可以将其添加为列，请参阅文档： http : //pandas.pydata.org/pandas-docs/stable/groupby.html#transformation