如何使用 Pandas 从 df 创建等级

Question

我有一个按时间顺序排序的表格，其中包含 state 和每个日期前的金额。 该表如下所示：

日期	State	数量
2022 年 1 月 1 日	1	1233.11
2022 年 2 月 1 日	1	16.11
2022 年 3 月 1 日	2	144.58
2022 年 4 月 1 日	1	298.22
2022 年 5 月 1 日	2	152.34
2022 年 6 月 1 日	2	552.01
2022 年 7 月 1 日	3	897.25

要生成数据集：

pd.DataFrame({'date': ["01/08/2022","02/08/2022","03/08/2022","04/08/2022","05/08/2022","06/08/2022","07/08/2022","08/08/2022","09/08/2022","10/08/2022","11/08/2022"], 'state' : [1,1,2,2,3,1,1,2,2,2,1],'amount': [144,142,166,144,142,166,144,142,166,142,166]})

我想添加一个名为 rank 的列，当 state 更改时，该列会增加。 所以如果你有二十次 state 1，它只是排名 1。如果你有 state 2，当 state 1 再次出现时，排名增加。 也就是说，如果连续两天 State 为 1，则 Rank 为 1。然后，出现另一个 state。 当 State 1 再次出现时，Rank 将增加到 2。

我想添加一个名为“Rank”的列，如果给定的 state 再次出现，该列的值会自行增加。 state 连续出现的次数就像一个计数器。 那它，如果 state。 一个例子如下：

日期	State	数量	秩
2022 年 1 月 1 日	1	1233.11	1
2022 年 2 月 1 日	1	16.11	1
2022 年 3 月 1 日	2	144.58	1
2022 年 4 月 1 日	1	298.22	2
2022 年 5 月 1 日	2	152.34	2
2022 年 6 月 1 日	2	552.01	2
2022 年 7 月 1 日	3	897.25	1

这也可以理解为：

日期	State	数量	Rank_State1	Rank_State2	Rank_State2
2022 年 1 月 1 日	1	1233.11	1
2022 年 2 月 1 日	1	16.11	1
2022 年 3 月 1 日	2	144.58		1
2022 年 4 月 1 日	1	298.22	2
2022 年 5 月 1 日	2	152.34		2
2022 年 6 月 1 日	2	552.01		2
2022 年 7 月 1 日	3	897.25			1

有谁知道如何从上一个表开始构建该 Rank 列？

Answer 1

您的问题属于 state 变化累积的一般类别，这表明使用累积和和布尔值的方法。

这是您可以做到的一种方法-也许不是最优雅的，但我认为它可以满足您的需要

import pandas as pd
someDF = pd.DataFrame({'date': ["01/08/2022","02/08/2022","03/08/2022","04/08/2022","05/08/2022","06/08/2022","07/08/2022","08/08/2022","09/08/2022","10/08/2022","11/08/2022"], 'state' : [1,1,2,2,3,1,1,2,2,2,1],'amount': [144,142,166,144,142,166,144,142,166,142,166]})

someDF["StateAccumulator"] = someDF["state"].apply(str).cumsum()

def groupOccurrence(someRow):
    sa = someRow["StateAccumulator"]
    s = str(someRow["state"])
    stateRank = len("".join([i if i != '' else " " for i in sa.split(s)]).split())\
                    + int((sa.split(s)[0] == '') or (int(sa.split(s)[-1] == '')) and sa[-1] != s)
    return stateRank


someDF["Rank"] = someDF.apply(lambda x: groupOccurrence(x), axis=1)

如果我理解正确，这就是您想要的结果 - “排名”旨在表示给定的一组连续状态出现的次数：

          date  state  amount StateAccumulator  Rank
0   01/08/2022      1     144                1     1
1   02/08/2022      1     142               11     1
2   03/08/2022      2     166              112     1
3   04/08/2022      2     144             1122     1
4   05/08/2022      3     142            11223     1
5   06/08/2022      1     166           112231     2
6   07/08/2022      1     144          1122311     2
7   08/08/2022      2     142         11223112     2
8   09/08/2022      2     166        112231122     2
9   10/08/2022      2     142       1122311222     2
10  11/08/2022      1     166      11223112221     3

笔记：

• instead of the somewhat hacky string cumsum method I'm using here, you could probably use a list accumulation function and then use a pandas split-apply-combine method to do the counting in the lambda function
• you would then apply a state change boolean, and do a cumsum on the state change boolean, filtered/grouped on the state value (so, how many state changes do we have for any given state)
• state 更改 boolean 是这样完成的： someDF["StateChange"] = someDF["state"].= someDF["state"].shift()
• 因此，对于给定行的给定 state，您将计算前几行中发生了多少 state 更改。