Pandas - 检查列中的数字是不是在行中

Posted 2023-02-23

【中文标题】Pandas - 检查列中的数字是不是在行中

【英文标题】：Pandas - Check if Numbers in Column are in rowPandas - 检查列中的数字是否在行中

【发布时间】：2018-09-03 09:45:51

【问题描述】：

我有一个熊猫数据框如下：

user_id product_id order_number
1       1          1
1       1          2
1       1          3
1       2          1
1       2          5
2       1          1
2       1          3
2       1          4
2       1          5
3       1          1
3       1          2
3       1          6

我想查询这个 df 最长的连续（没有 order_number 被跳过）和最后的连续（因为最后一个 order_number）。

理想的结果如下：

user_id product_id longest_streak last_streak
1       1          3              3
1       2          0              0
2       1          3              3
3       1          2              0

我将不胜感激。

【问题讨论】：

为什么last_streak 的第一行是 3？没有以前的历史记录，所以你不希望它是 0 吗？

last_streak 从最后一个订单号开始统计行中的订单数。

@DyZ，在那篇文章中，连续意味着重复，而不是后续。这个有点不同。

另外，您是否希望用户稍后在DataFrame 中重复 user_id 和 product_id 组合？如果是这样，您希望如何区分它属于不同的条纹？只是按索引？

@ALollz 不，我不希望 user_id 和 product_id 在属于不同的条纹时重复。 user_id 和 product_id 的组合在结果数据框中必须是唯一的。

【参考方案1】：

我仍然不太清楚你是如何定义last_streak的，但是，假设用户和产品的相同组合不重复，以下计算最长条纹：

import itertools

def extract_streaks(data):
   streaks = [len(list(rows)) for d,rows in itertools.groupby(data) if d==1.0]
   return max(streaks) + 1 if streaks else 0

df['diffs'] = df.order_number.diff()
df.groupby(['user_id', 'product_id'])['diffs'].apply(extract_streaks)
#user_id  product_id
#1        1             3
#         2             0
#2        1             3

---

【参考方案2】：

你可以试试

s=df.assign(key=1).set_index(['user_id','product_id','order_number']).key.unstack()  s=s.notnull().astype(int).diff(axis=1).fillna(0).ne(0).cumsum(axis=1).mask(s.isnull())    
s=s.apply(pd.value_counts,1)
s=s.mask(s==1,0)    
pd.concat([s.max(1),s.ffill(axis=1).iloc[:,-1]],1)
Out[974]: 
                    0.0  2.0
user_id product_id          
1       1           3.0  3.0
        2           0.0  0.0
2       1           3.0  3.0

【参考方案3】：

带有循环和defaultdict

a = defaultdict(lambda:None)
longest = defaultdict(int)
current = defaultdict(int)
for i, j, k in df.itertuples(index=False):
    if a[(i, j)] == k - 1:
        current[(i, j)] += 1 if current[(i, j)] else 2
        longest[(i, j)] = max(longest[(i, j)], current[(i, j)])
    else:
        current[(i, j)] = 0
        longest[(i, j)] |= 0
    a[(i, j)] = k

pd.concat(
    [pd.Series(d) for d in [longest, current]],
    axis=1, keys=['longest_streak', 'last_streak']
).rename_axis(['user_id', 'product_id']).reset_index()

   user_id  product_id  longest_streak  last_streak
0        1           1               3            3
1        1           2               0            0
2        2           1               3            3
3        3           1               2            0