熊猫-在数据框中添加标志列

Question

我有一个像这样的数据框：

Client_ID    Product_nb   Item_id
1            1            i1  
1            1            i2
1            1            i3

1            2            i2
1            2            i5  
1            2            i7

1            3            i1
1            3            i2
1            3            i4
1            3            i6

2            1            i1
2            1            i2
2            1            i3
2            1            i4

2            2            i1
2            2            i2
...          ...          ...

因此，每个客户端（ client_id ）具有多个产品（ Product_nb ）。 对于每种产品，我只想保留一项（ item_id ）。 对于同一客户，下一个产品不应与前一个产品相对应。

如果要保留项目，我想在每个项目旁边添加一个标志：

Client_ID    Product_nb   Item_id   Keep
1            1            i1        1
1            1            i2        0
1            1            i3        0

1            2            i2        1
1            2            i5        0
1            2            i7        0

1            3            i1        0
1            3            i2        0
1            3            i4        1
1            3            i6        0

2            1            i1        1
2            1            i2        0
2            1            i3        0
2            1            i4        0

2            2            i1        0
2            2            i2        1
...          ...          ...       ...

我的想法是遍历所有客户和产品。 对于每个客户，将已保存的项目保存在列表中：

df = df.set_index(['client_id','product_nb','item_id','keep'])
client_ids = df.index.get_level_values('client_id').unique()
for client in client_ids:
    list_already = []
    prod_nbs = df.loc[client].index.get_level_values('product_nb').unique()
    for prod_nb in prod_nbs:
        item_ids = df.loc[client,prod_nb].index.get_level_values('item_id').unique()
        for item_id in item_ids:
            if (item_id in list_already):
                df.loc[client,prod_nb,item_id,'keep'] = 1
                continue
            else:
                list_already.append(item_id)
                df.loc[client,prod_nb,item_id,'keep'] = 1
                break

但这会返回我输入数据帧。

我将竭诚为您提供任何帮助。 谢谢

Answer 1

在熊猫中，您通常不希望遍历DataFrame。 它很慢，并且几乎所有东西都有更多优化的例程。 就你而言

df.groupby(['Client_ID', 'Product_nb'])['Item_id'].first()

做这份工作。 用DataFrame的名称替换df

编辑：我过度理解了约束，您选择的值应该是唯一的。 最好事先过滤值，然后再过滤groupby