如何检查数据框列值是否出现在数据框列中的所有唯一年份

如何解决如何检查数据框列值是否出现在数据框列中的所有唯一年份

df1 = pd.DataFrame({'type': ['cst1','cst1','cst2','cst3','cst3'],'year':[2017,2018,2019,2020,2017,2020]})

   type  year
0   cst1  2017
1   cst1  2018
2   cst1  2019
3   cst1  2020
4   cst2  2018
5   cst2  2019
6   cst2  2020
7   cst3  2017
8   cst3  2018
9   cst3  2019
10  cst3  2020

对于上述数据框需要检查每个类型值是否存在于所有四年 [2017,2020] 需要标记为 1，否则为 0。 例如：第一种类型 cst1 出现在所有 4 年中，因此标记为 1，cst2 仅出现在 3 年中，因此标记为 1。 注意：理想情况下，只包含四年，即 2017 - 2020。类型和年份组合将是唯一的。

期望输出：

type  year label
0   cst1  2017     1
1   cst1  2018     1
2   cst1  2019     1
3   cst1  2020     1
4   cst2  2018     0
5   cst2  2019     0
6   cst2  2020     0
7   cst3  2017     1
8   cst3  2018     1
9   cst3  2019     1
10  cst3  2020     1

解决方法

如果所有年份都在 2017 年 -2020 年的范围内，我想 groupby/transform with nunique 可以：

df['label'] = (df1.groupby('type').transform('nunique') == 4).astype(int)

替代方案：

df1['label'] = 0 
def test(x):
    return set(x.values) == {2017,2018,2019,2020}
df1.iloc[df1.groupby('type')['year'].filter(test).index,2] = 1

,

• 使用groupby()
根据类型创建组
• 使用 transform()
根据组获取每行中的年元组
• 将这些元组与您所需的年份进行比较。它将为每一行结果 True/False。
• 使用 astype('int')
将布尔值 (True/False) 转换为整数 (1/0)

required = (2017,2020)
df1["label"] = (df1.groupby('type').transform(tuple)["year"] == required).astype('int')

print(df1)

    type    year    label
0   cst1    2017    1
1   cst1    2018    1
2   cst1    2019    1
3   cst1    2020    1
4   cst2    2018    0
5   cst2    2019    0
6   cst2    2020    0
7   cst3    2017    1
8   cst3    2018    1
9   cst3    2019    1
10  cst3    2020    1

,

让我们试试：

1. 一个 groupby transform 用于测试每个组的年份是否是所需年份的子集。
2. 使用 astype(int) 将布尔值转换为 1 和 0

import pandas as pd

df1 = pd.DataFrame({'type': ['cst1','cst1','cst2','cst3','cst3'],'year': [2017,2020,2017,2020]})

years = {2017,2020}

df1['label'] = (
    df1.groupby('type').year.transform(lambda x: years.issubset(x))
).astype(int)
print(df1)

df1：

    type  year  label
0   cst1  2017      1
1   cst1  2018      1
2   cst1  2019      1
3   cst1  2020      1
4   cst2  2018      0
5   cst2  2019      0
6   cst2  2020      0
7   cst3  2017      1
8   cst3  2018      1
9   cst3  2019      1
10  cst3  2020      1

---

*注意这将匹配至少四年的任何组。因此，如果一个组包含来自 [2016,2020] 的条目，它将被匹配。