对于每个 ID 组，考虑到已排序的 A 字段，有没有办法检查 B 字段中值的重复？ （见下面的例子）

Posted 2023-02-16

【中文标题】对于每个 ID 组，考虑到已排序的 A 字段，有没有办法检查 B 字段中值的重复？ （见下面的例子）

【英文标题】：Is there any way to check the repetition of the value in a B field, taking into account a sorted A field, for each ID group? (See example below)

【发布时间】：2022-01-05 08:27:48

【问题描述】：

假设我们有一个包含数千个用户的表，其中包含一个 ID、一个 year-month 和一个 balance($)。 让我们用 3 个用户将其简化为下表：

user ID (numeric)	year-month (string)	balance(float)
1	2019-01	500.0
1	2019-02	500.0
1	2019-03	0.0
1	2019-04	500.0
1	2019-05	0.0
1	2019-06	0.0
2	2018-09	1000.0
2	2018-10	1000.0
2	2018-11	750.0
2	2018-12	500.0
2	2019-01	0.0
2	2019-02	0.0
2	2019-03	0.0
2	2019-04	0.0
2	2019-05	0.0
2	2019-06	0.0
2	2019-07	0.0
3	2018-01	200.0
3	2018-02	0.0
3	2018-03	200.0
3	2018-04	0.0

主要规则是：如果给定月份的余额为0，那么之后的一个月余额值不能为0。这意味着唯一能够正确报告其记录的用户将是 ID=2。

作为最终输出，我想要一个表格，显示有多少用户 ID 满足规则，有多少不满足：

well_informed	num_cases
YES	1
NO	2

由于难以遍历用户 ID 的连续记录并检查条件，我尝试了几件事，甚至没有接近结果。

Python-Pandas 和 SQL 的解决方案对我工作的环境都有效。非常感谢！

EDIT v1：@db @Henry Ecker 解决方案适用于我提供的示例，但不适用于我的问题，因为我没有指定一些有效的情况，例如：

user ID (numeric)	year-month (string)	balance(float)
4	2019-02	1000.0
4	2019-03	1000.0
4	2019-04	1000.0
4	2019-05	1000.0
4	2019-06	1000.0
4	2019-07	1000.0
4	2019-08	1000.0
4	2019-09	1000.0
4	2019-10	1000.0
4	2019-11	1000.0
4	2019-12	1000.0

应该被认为是 TRUE，但将其归类为 FALSE。

【参考方案1】：

对于每个ID，对balance 执行运行长度编码，并检查是否只有该编码的最后一个值是0。

import pdrle

def foo(x):
    rle = pdrle.encode(x.eq(0))
    if rle.vals.sum() == 0:
        return True
    if rle.vals.sum() == 1:
        return rle.vals.tail(1).item()
    return False


ans = dat.groupby(dat["user ID"], as_index=False).balance.apply(foo)
ans
#     user ID     balance
# 0         1       False
# 1         2        True
# 2         3       False

下一步可以总结ans

ans.groupby("balance").size()
# balance
# False    2
# True     1
# dtype: int64

【讨论】：

首先，非常感谢您的回复。它适用于我特别提出的示例，但不适用于我的问题，因为我没有指定一些有效的情况，例如：假设您有一个新的 id=4 有 5 行，它们都在其中价值 1000 美元。信息是正确的，所以它会是 True，但它会算作 False。这可以在你写的代码上处理吗？

@0xGolovkin，立即查看