如何創建指示符列以指示數據框中先前條目的特定更改，其中按 ID 對其進行排序和分組？

Question

我有一個客戶端CLIENT_ID的數據CLIENT_ID ，如下所示：

CLIENT_ID	CURRENT_DATE_STATUS	地位
10002	2017-07-21	開始
10002	2017-07-21	開始
10002	2018-07-01	攪動
10002	2018-07-01	攪動
10002	2019-01-01	重啟
11811	2019-08-15	開始
11811	2019-08-15	開始
11811	2019-12-31	重啟
22101	2020-03-11	開始
22101	2020-03-11	開始
22101	2020-03-11	開始
22101	2020-11-01	攪動
22300	2018-05-06	開始
22300	2018-05-06	開始

數據幀按CLIENT_ID and CURRENT_DATE_STATUS排序。 如何創建指示Boolean 1 or 0列的指標：

• 如果每個CLIENT_ID的先前STATUS條目已更改為CHURNED or RESTARTED 。

結果數據框如下所示：

CLIENT_ID	CURRENT_DATE_STATUS	地位	停止
10002	2017-07-21	開始	0
10002	2017-07-21	開始	0
10002	2018-07-01	攪動	1
10002	2018-07-01	攪動	0
10002	2019-01-01	重啟	1
11811	2019-08-15	開始	0
11811	2019-08-15	開始	0
11811	2019-12-31	重啟	1
22101	2020-03-11	開始	0
22101	2020-03-11	開始	0
22101	2020-03-11	開始	0
22101	2020-11-01	攪動	1
22300	2018-05-06	開始	0
22300	2018-05-06	開始	0

這是生成數據框的代碼

import pandas as pd

data = {'CLIENT_ID':[10002,10002,10002,10002,10002,11811,11811,11811,22101,22101,22101,22101,22300,22300],
'CURRENT_DATE_STATUS':['2017-07-21','2017-07-21','2018-07-01','2018-07-01','2019-07-01','2019-08-15','2019-08-15','2019-12-31','2020-03-11','2020-03-11','2020-03-11','2020-11-01','2018-05-06','2018-05-06'],
'STATUS':['STARTED','STARTED','CHURNED','CHURNED','RESTARTED','STARTED','STARTED','RESTARTED','STARTED','STARTED','STARTED','CHURNED','STARTED','STARTED']}
df = pd.DataFrame(data)

Answer 1

您可以通過Series.eq比較 eqaul 的實際值，通過Series.eq將每個組的DataFrameGroupBy.shift進行Series.ne ，對於不相等的Series.ne ，通過&為按位AND和最后一個鏈為| 對於按位OR轉換為整數：

s = df.groupby('CLIENT_ID')['STATUS'].shift()
m1 = df['STATUS'].eq('RESTARTED') & s.ne('RESTARTED')
m2 = df['STATUS'].eq('CHURNED') & s.ne('CHURNED')

df['STOPPED'] = (m1 | m2).astype(int)
print (df)
    CLIENT_ID CURRENT_DATE_STATUS     STATUS  STOPPED
0       10002          2017-07-21    STARTED        0
1       10002          2017-07-21    STARTED        0
2       10002          2018-07-01    CHURNED        1
3       10002          2018-07-01    CHURNED        0
4       10002          2019-07-01  RESTARTED        1
5       11811          2019-08-15    STARTED        0
6       11811          2019-08-15    STARTED        0
7       11811          2019-12-31  RESTARTED        1
8       22101          2020-03-11    STARTED        0
9       22101          2020-03-11    STARTED        0
10      22101          2020-03-11    STARTED        0
11      22101          2020-11-01    CHURNED        1
12      22300          2018-05-06    STARTED        0
13      22300          2018-05-06    STARTED        0

另一種解決方案是比較前一個移位的值，然后如果按Series.isin中的列表匹配，最后一個鏈按&為按位AND ：

m3 = df.groupby('CLIENT_ID')['STATUS'].shift().ne(df['STATUS'])
m4 = df['STATUS'].isin(["CHURNED", "RESTARTED"])

df['STOPPED'] = (m3 & m4).astype(int)
print (df)

    CLIENT_ID CURRENT_DATE_STATUS     STATUS  STOPPED
0       10002          2017-07-21    STARTED        0
1       10002          2017-07-21    STARTED        0
2       10002          2018-07-01    CHURNED        1
3       10002          2018-07-01    CHURNED        0
4       10002          2019-07-01  RESTARTED        1
5       11811          2019-08-15    STARTED        0
6       11811          2019-08-15    STARTED        0
7       11811          2019-12-31  RESTARTED        1
8       22101          2020-03-11    STARTED        0
9       22101          2020-03-11    STARTED        0
10      22101          2020-03-11    STARTED        0
11      22101          2020-11-01    CHURNED        1
12      22300          2018-05-06    STARTED        0
13      22300          2018-05-06    STARTED        0