[英]Split and alter values of pandas 'groupby' elements based on length of the groups
我有一个名为'order_id'的列的 Pandas DataFrame 对象。 具有相同 id 的行属于同一个顺序(大小可以是 1 到 1000 之间的任何值),例如:
sales_orders = {
'order_id': [1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4],
# multiple other fields
}
df = pd.DataFrame(sales_orders)
我需要根据截止值将组分成更小的块,例如 3。理想情况下,除了列的后缀之外没有其他任何变化,即:
'order_id': [1-0, 1-0, 1-0, 1-1, 1-1, 1-1, 1-2, 2, 2, 2, 3-0, 3-0, 3-0, 3-1, 3-1, 3-1, 3-2, 3-2, 3-2, 4]
我假设人们可以简单地遍历组并在 for 循环中单独触摸每个组,如下所示:
for order_id, group in df.groupby(by=['order_id']):
if group.shape[0] > 2:
# change column line by line
但这看起来令人难以置信的非熊猫和可怕的缓慢。 因此,我将不胜感激一个明智的、高性能的和可读的解决方案 ;) 在此先感谢您的帮助!
使用groupby
和cumcount
获取后缀,然后使用np.where
有条件地设置它们。
c = df.groupby('order_id').cumcount() // 3
m = (c == 0).groupby(df.order_id).transform('all')
df['order_id2'] = (
np.where(m, df.order_id, df.order_id.astype(str) + '-' + c.astype(str))
.astype(str))
df.head(10)
order_id order_id2
0 1 1-0
1 1 1-0
2 1 1-0
3 1 1-1
4 1 1-1
5 1 1-1
6 1 1-2
7 2 2
8 2 2
9 2 2
如果您对 2 和 4 也有后缀没问题,那么一个稍微简单的解决方案; 您可以使用groupby
和cumcount
生成后缀,然后使用str.cat
加入它们。
c = (df.groupby('order_id').cumcount() // 3).astype(str)
df['order_id3'] = df['order_id'].astype(str).str.cat(c, sep='-')
df.head(10)
order_id order_id2 order_id3
0 1 1-0 1-0
1 1 1-0 1-0
2 1 1-0 1-0
3 1 1-1 1-1
4 1 1-1 1-1
5 1 1-1 1-1
6 1 1-2 1-2
7 2 2 2-0
8 2 2 2-0
9 2 2 2-0
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.