如何在python中应用窗口函数？

Posted 2021-04-07

我有以下示例数据框： - i.c.e. id，不同年份和季度的名称，具有不同的价值

id name year quater value 
1  bn   2017 2
1  bn   2017 3     4.5
1  bn   2017 4
2  an   2018 1     2.3   
2  an   2018 2     3.3
2  an   2018 3     4.5

我必须确定名称+ id（主键）是否在年份之前出现，而quater具有值，然后将其视为现有（0），如果将来有值，之前没有任何内容，则将其视为新的（1） ）。

id name year quater value status
1  bn   2017 2            1
1  bn   2017 3     4.5    0
1  bn   2017 4            0
2  an   2018 1     2.3    1 
2  an   2018 2     3.3    0
2  an   2018 3     4.5    0

答案

我相信需要duplicated与~的反转布尔掩码并投射到integer：

df['status'] = (~df['name'].duplicated()).astype(int)
#if multiple columns
#df['status'] = (~df.duplicated(['id','name'])).astype(int)
print (df)
   id name  year  quater  value  status
0   1   bn  2017       2    NaN       1
1   2   an  2018       1    2.3       1
2   2   an  2018       2    3.3       0
3   2   an  2018       3    4.5       0

另一答案

您可以将duplicated与id，name和year的子集一起使用，然后将结果反转以标识第一次出现...，例如：

df['status'] = (~df.duplicated(subset=['id', 'name', 'year'])).astype(int)

给你：

   id name  year  quater  value  status
0   1   bn  2017       2    NaN       1
1   2   an  2018       1    2.3       1
2   2   an  2018       2    3.3       0
3   2   an  2018       3    4.5       0

请注意，虽然这可以按照您的要求对您的数据进行处理，但您可能希望按年份（可能是季度）进行排序，以确保您的状态标记在同一年内和第一季度内正确显示。