groupby，统计过去发生的事件，并显示最近的事件

Question

如何按唯一标识符分组并计算最近事件之前的过去拖欠（'Bad'）和过去非拖欠（'Good'）的数量。

例如，给定以下 dataframe：

ID    Date         Class    
112   2018-02-12    Good
112   2019-01-20    Bad
113   2018-10-11    Bad
113   2019-01-01    Good
113   2020-02-03    Good

这应该是最终目标：

ID    Past_deliq  Past_non_deliq  Class   Date
112      0           1             Bad    2019-01-20
113      1           1             Good   2020-02-03

我可以通过执行以下操作来获取最新事件， df.loc[df.groupby('ID').Date.idxmax()] ，但我找不到计算过去事件的方法。

任何帮助是极大的赞赏。

Answer 1

只是一些基本的重塑和crosstab 。

这个想法是通过不是最大值的值过滤您的 dataframe，进行值计数聚合并重新加入您的 dataframe 与最大日期。

max_date = df.groupby('ID')['Date'].max()
s1 = df.loc[~df.index.isin(df.groupby("ID")["Date"].idxmax())]

df1 = pd.crosstab(s1.ID, s1.Class).join(max_date).rename(
    columns={"Bad": "Past_deliq", "Good": "Past_non_deliq"}
)



     Past_deliq  Past_non_deliq       Date
ID                                        
112           0               1 2019-01-20
113           1               1 2020-02-03

Answer 2

b=df.groupby(["ID","Class"])["Class"].count().unstack()

您将 ID 和 Class 分组，这意味着您将获得每个 ID 的每个 class 的计数。 比你调用 unstack 从索引中获取最左边的标签并将它们作为列插入。

在您确定最后一次出现的另一个 groupby 之后（此解决方案假设您的数据按日期排序，如果不使用 function max）。

c=df.groupby("ID").agg({"Date":"last","Class":"last"})

合并两个数据框后。

b.merge(c, on="ID")

你得到你所要求的。