![](/img/trans.png)
[英]How to perform a groupby and transform count with a condition in pandas
[英]How do I transform a pandas groupby with a condition on the transformation?
我有一个 dataframe 包含 session 和投标数据,其中有三列(感兴趣):用户 ID、事件和日期。
现在我要做的是在我的 dataframe 中添加一列,即第一次投标的日期。 我已经尝试了几种让它工作的方法,但问题是用户在出价之前生成 session 当然很常见。
我已经尝试了几种方法来让过滤器工作,但它似乎不像我认为的那样工作。 从文档中它说“返回 DataFrame 的副本,不包括不满足 func 指定的 boolean 标准的组中的元素。” 这听起来像我想要的,忽略组中的事件是 session 而不是出价。
df['first bid date'] = df.groupby('user_id').filter(lambda x: x['event'] == 'bid')['date'].transform('min')
当这不起作用时,我尝试让转换采用自定义 function,如下所示:
def custom_transform(group):
return group[group['event'] == 'bid']['date'].min()
df['first bid date'] = df.groupby('user_id').['date'].transform(custom_transform)
但这不起作用,因为转换无法同时访问日期和事件,似乎无论我如何分组。
最后,我尝试按 user_id 和这样的事件进行分组
df['first bid date'] = df.groupby(['user_id', 'event'])['date'].transform('min')
哪种有效,但是我不得不将所有第一个会话更改为第一个投标,因为现在有第一个 session 和第一个投标。
有什么意见可以让这个 oneliner 工作吗? 似乎 groupby、filter 和 transform 的组合应该可以解决问题,但我就是无法破解它。
谢谢!
想法是在transform
不匹配的值替换为缺失值,这里是Series.where
:
df['first bid date'] = (df.assign(date = df['date'].where(df['event'] == 'bid'))
.groupby('user_id')['date']
.transform('min'))
这是一些带有 dataframe 的示例代码来匹配问题。
from io import StringIO
csv = StringIO("""index,uid,event,date
0,1,"bid",'2010-01-01'
1,1,"bid",'2013-01-01'
2,1,"session",'2009-01-01'
3,2,"session",'2010-01-01'
4,2,"bid",'2015-01-01'
5,2,"bid",'2017-01-01'""")
df = pd.read_csv(csv, index_col='index').reset_index(drop=True)
这种替代方法使用merge
function。
df.merge(df[df['event']=='bid'].groupby('uid')['date'].min(),
on='uid', suffixes=('','_first_bid'))
哪个打印:
uid event date date_first_bid
0 1 bid 2010-01-01 2010-01-01
1 1 bid 2013-01-01 2010-01-01
2 1 session 2009-01-01 2010-01-01
3 2 session 2010-01-01 2015-01-01
4 2 bid 2015-01-01 2015-01-01
5 2 bid 2017-01-01 2015-01-01
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.