使用 Python 截断并重新编号对应于特定 ID/组的列

Question

我在 Python 中给出了这样的数据集：

#Load the required libraries
import pandas as pd


#Create dataset
data = {'id': [1, 1, 1, 1, 1,1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3],
        'runs': [6, 6, 6, 6, 6,6,7,8,9,10, 3, 3, 3,4,5,6, 5, 5,5, 5,5,6,7,8],
        'Children': ['No', 'Yes', 'Yes', 'Yes', 'No','No', 'Yes', 'Yes', 'Yes', 'No', 'Yes', 'Yes', 'No', 'Yes', 'Yes', 'Yes', 'Yes', 'Yes', 'No', 'Yes', 'No', 'Yes', 'Yes', 'No'],
        'Days': [123, 128, 66, 120, 141,123, 128, 66, 120, 141, 52,96, 120, 141, 52,96, 120, 141,123,15,85,36,58,89],
        }

#Convert to dataframe
df = pd.DataFrame(data)
print("df = \n", df)

上面的 dataframe 看起来是这样的：

在这里，对于每个“id”，我希望截断重复“runs”的列，并使该 id 中的编号连续。

例如，

对于 id=1，截断 6 处的“运行”并从 1 开始重新编号数据集。

对于 id=2，截断 3 处的“运行”并从 1 开始重新编号数据集。

对于 id=3，截断 5 处的“运行”并从 1 开始重新编号数据集。

.net 结果需要如下所示：

有人可以让我知道如何在 python 中完成这项任务吗？

我希望使用 Python 截断并重新编号对应于特定 ID/组的列

Answer 1

使用loc和duplicated过滤掉重复项，然后使用groupby.cumcount重新编号：

out = (df[~df.duplicated(subset=['id', 'runs'], keep=False)]
       .assign(runs=lambda d: d.groupby(['id']).cumcount().add(1))
       )

Output：

    id  runs Children  Days
6    1     1      Yes   128
7    1     2      Yes    66
8    1     3      Yes   120
9    1     4       No   141
13   2     1      Yes   141
14   2     2      Yes    52
15   2     3      Yes    96
21   3     1      Yes    36
22   3     2      Yes    58
23   3     3       No    89

Answer 2

您可以通过每个id和run截止值创建一个到 go 的循环，并且对于循环的每次迭代，通过原始 dataframe 的 id 和运行值确定 dataframe 的新段，以及 append 新的 dataframe 到最终的 18174688 .

df_truncated = pd.DataFrame(columns=df.columns)
for id,run_cutoff in zip([1,2,3],[6,3,5]):
    df_chunk = df[(df['id'] == id) & (df['runs'] > run_cutoff)].copy()
    df_chunk['runs'] = range(1, len(df_chunk)+1)
    df_truncated = pd.concat([df_truncated, df_chunk])

结果：

   id runs Children Days
6   1    1      Yes  128
7   1    2      Yes   66
8   1    3      Yes  120
9   1    4       No  141
13  2    1      Yes  141
14  2    2      Yes   52
15  2    3      Yes   96
21  3    1      Yes   36
22  3    2      Yes   58
23  3    3       No   89

Answer 3

def function1(dd:pd.DataFrame):
        dd1=dd.drop_duplicates(subset='runs',keep=False)
        return dd1.assign(runs=dd1.runs.rank().astype(int))

df.groupby('id').apply(function1).reset_index(drop=True)

出去：

   id  runs Children  Days
0   1     1      Yes   128
1   1     2      Yes    66
2   1     3      Yes   120
3   1     4       No   141
4   2     1      Yes   141
5   2     2      Yes    52
6   2     3      Yes    96
7   3     1      Yes    36
8   3     2      Yes    58
9   3     3       No    89