比较具有相同主键值的记录的两个不同列值

Question

我想比较同一 ID 的两列（date1 和 date2），如果 date1 与前一个 date2 匹配，则将列 NewColumn 的值设置为“是”。

输入：

ID	日期 1	日期2	新专栏
1个	2022 年 1 月 31 日	2022 年 2 月 1 日
1个	2022 年 2 月 1 日	2022 年 2 月 2 日
1个	2022 年 2 月 7 日	2022 年 2 月 8 日
2个	2022 年 2 月 2 日	2022 年 2 月 2 日
3个	2022 年 2 月 2 日	2022 年 2 月 3 日

输入CSV格式：

ID,date1,date2,NewColumn
1,31/01/2022,01/02/2022, 
1,01/02/2022,02/02/2022, 
1,07/02/2022,08/02/2022,
2,02/02/2022,02/02/2022,
3,02/02/2022,03/02/2022,

Output：

ID	日期 1	日期2	新专栏
1个	2022 年 1 月 31 日	2022 年 2 月 1 日
1个	2022 年 2 月 1 日	2022 年 2 月 2 日	是的
1个	2022 年 2 月 7 日	2022 年 2 月 8 日
2个	2022 年 2 月 2 日	2022 年 2 月 2 日
3个	2022 年 2 月 2 日	2022 年 2 月 3 日

CSV格式：

ID,date1,date2,NewColumn
1,31/01/2022,01/02/2022, 
1,01/02/2022,02/02/2022, YES
1,07/02/2022,08/02/2022,
2,02/02/2022,02/02/2022,
3,02/02/2022,03/02/2022,

Answer 1

您可以使用groupby并apply将自定义 function 应用于每个组。 然后 function 需要将date1与上一行的date2进行比较，这可以使用shift来完成。 这将给出一个 boolean 值（True 或 False），要获得一个字符串值，您可以使用np.where 。 例如：

import numpy as np

def func(x):
    return x['date1'] == x['date2'].shift(1)

df['NewColumn'] = np.where(df.groupby('ID').apply(func), 'YES', '')

结果：

   ID  date1           date2         NewColumn
0   1  31/01/2022      01/02/2022   
1   1  01/02/2022      02/02/2022       YES
2   1  07/02/2022      08/02/2022   
3   2  02/02/2022      02/02/2022   
4   3  02/02/2022      03/02/2022