Python dataframe 基于另一列有条件的赋值

Question

有一个包含日期、名称和编号列的 df。 如果计数> 3，则尝试标记相同的名称记录。 并且应该将状态标记为 old_employee 到最早的日期。

date                            name      number 

2021-05-06T07:35:03.000Z        mark       123
2021-04-06T07:35:03.000Z        mark       123
2021-03-03T07:35:03.000Z        mark       123
2021-02-03T07:35:03.000Z        mark       123

2021-05-06T07:35:03.000Z        tom       4123
2021-04-06T07:35:03.000Z        tom       4123
2021-03-03T07:35:03.000Z        tom       4123

2021-02-06T07:35:03.000Z        john       512


2021-02-06T07:35:03.000Z        wood       512
2021-02-06T07:35:03.000Z        wood       512


2020-05-06T07:35:03.000Z        paul       723
2020-04-06T07:35:03.000Z        paul       723
2020-03-03T07:35:03.000Z        paul       723
2020-02-03T07:35:03.000Z        paul       723
2020-02-03T05:35:03.000Z        paul       723
2020-02-02T07:35:03.000Z        paul       723
2020-02-01T07:35:03.000Z        paul       723

2020-05-06T07:35:03.000Z        tomy       623
2020-04-06T07:35:03.000Z        tomy       623
2020-03-03T07:35:03.000Z        tomy       623
2020-02-03T07:35:03.000Z        tomy       623        
2020-02-03T05:35:03.000Z        tomy       623        
2020-02-02T07:35:03.000Z        tomy       623        

如果同名记录超过 3 次，我们必须将最旧日期的记录标记为 old_employee。

预期 output：

date                            name      number     status

2021-05-06T07:35:03.000Z        mark       123
2021-04-06T07:35:03.000Z        mark       123
2021-03-03T07:35:03.000Z        mark       123
2021-02-03T07:35:03.000Z        mark       123        old_employee

2021-05-06T07:35:03.000Z        tom       4123
2021-04-06T07:35:03.000Z        tom       4123
2021-03-03T07:35:03.000Z        tom       4123

2021-02-06T07:35:03.000Z        john       512


2021-02-06T07:35:03.000Z        wood       512
2021-02-06T07:35:03.000Z        wood       512


2020-05-06T07:35:03.000Z        paul       723
2020-04-06T07:35:03.000Z        paul       723
2020-03-03T07:35:03.000Z        paul       723
2020-02-03T07:35:03.000Z        paul       723        old_employee
2020-02-03T05:35:03.000Z        paul       723        old_employee
2020-02-02T07:35:03.000Z        paul       723        old_employee
2020-02-01T07:35:03.000Z        paul       723        old_employee

2020-05-06T07:35:03.000Z        tomy       623
2020-04-06T07:35:03.000Z        tomy       623
2020-03-03T07:35:03.000Z        tomy       623
2020-02-03T07:35:03.000Z        tomy       623        old_employee
2020-02-03T05:35:03.000Z        tomy       623        old_employee
2020-02-02T07:35:03.000Z        tomy       623        old_employee

试过这个：

(df.groupby('name', as_index=False).apply(lambda x: x if len(x)==1 else x.iloc[[-3]])
   .reset_index(level=0, drop=True))

Answer 1

你可以试试，

df.loc[df.groupby('name').cumcount() >= 3, 'status'] = 'old_employee'

Answer 2

将GroupBy.cumcount与numpy.where一起使用，并通过Series.ge进行比较以获得更大或相等：

df['date'] = pd.to_datetime(df['date'])
#if values not sorted by name and dates
#df = df.sort_values(['name','date'])

df['status'] = np.where(df.groupby('name').cumcount().ge(3), 'old_employee', '')
print (df)
                            date  name  number        status
0  2    021-05-06 07:35:03+00:00  mark     123              
1  2    021-04-06 07:35:03+00:00  mark     123              
2  2    021-03-03 07:35:03+00:00  mark     123              
3  2    021-02-03 07:35:03+00:00  mark     123  old_employee
4  2    021-05-06 07:35:03+00:00   tom    4123              
5  2    021-04-06 07:35:03+00:00   tom    4123              
6  2    021-03-03 07:35:03+00:00   tom    4123              
7  2    021-02-06 07:35:03+00:00  john     512              
8  2    021-02-06 07:35:03+00:00  wood     512              
9  2    021-02-06 07:35:03+00:00  wood     512              
10 2    020-05-06 07:35:03+00:00  paul     723              
11 2    020-04-06 07:35:03+00:00  paul     723              
12 2    020-03-03 07:35:03+00:00  paul     723              
13 2    020-02-03 07:35:03+00:00  paul     723  old_employee
14 2    020-02-03 05:35:03+00:00  paul     723  old_employee
15 2    020-02-02 07:35:03+00:00  paul     723  old_employee
16 2    020-02-01 07:35:03+00:00  paul     723  old_employee
17 2    020-05-06 07:35:03+00:00  tomy     623              
18 2    020-04-06 07:35:03+00:00  tomy     623              
19 2    020-03-03 07:35:03+00:00  tomy     623              
20 2    020-02-03 07:35:03+00:00  tomy     623  old_employee
21 2    020-02-03 05:35:03+00:00  tomy     623  old_employee
22 2    020-02-02 07:35:03+00:00  tomy     623  old_employee