如何使用 Pandas 從 df 創建等級

Question

我有一個按時間順序排序的表格，其中包含 state 和每個日期前的金額。 該表如下所示：

日期	State	數量
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

要生成數據集：

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]})

我想添加一個名為 rank 的列，當 state 更改時，該列會增加。 所以如果你有二十次 state 1，它只是排名 1。如果你有 state 2，當 state 1 再次出現時，排名增加。 也就是說，如果連續兩天 State 為 1，則 Rank 為 1。然后，出現另一個 state。 當 State 1 再次出現時，Rank 將增加到 2。

我想添加一個名為“Rank”的列，如果給定的 state 再次出現，該列的值會自行增加。 state 連續出現的次數就像一個計數器。 那它，如果 state。 一個例子如下：

日期	State	數量	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

這也可以理解為：

日期	State	數量	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

有誰知道如何從上一個表開始構建該 Rank 列？

Answer 1

您的問題屬於 state 變化累積的一般類別，這表明使用累積和和布爾值的方法。

這是您可以做到的一種方法-也許不是最優雅的，但我認為它可以滿足您的需要

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)

如果我理解正確，這就是您想要的結果 - “排名”旨在表示給定的一組連續狀態出現的次數：

          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

筆記：

• 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 是這樣完成的： someDF["StateChange"] = someDF["state"].= someDF["state"].shift()
• 因此，對於給定行的給定 state，您將計算前幾行中發生了多少 state 更改。