如何解决比较 groupby 中的字符串行并将值分配给新列 pandas
df:
对于只在df中出现一次的员工,我只分配0(没有老板的变化)。但是,对于在df工作了几年的员工,我不知道该怎么做。
我想首先我需要为他们出现在df中的第一年分配0(因为我们之前不知道谁是老板,因此没有老板的变化)。然后我需要将老板的名字与下一行的名字进行比较,并决定是否将 1 或 0 分配到 ManagerChange 列中。
到目前为止,我将 df 拆分为两个(具有唯一 ID 和重复 ID),并将 0 分配给 ManagerChange 以获得唯一 ID。
然后我将重复的 ID 分组并按年份对它们进行排序。但是,我是 Python 新手,无法弄清楚如何比较字符串并将结果值分配给 groupby 中的新列。请帮忙。
我到目前为止的代码:
# splitting database in two
bool_series = df["ID"].duplicated(keep=False)
df_duplicated=df[bool_series]
df_unique = df[~bool_series]
# assigning 0 for ManagerChange for the unique IDs
df_unique['ManagerChange'] = 0
# groupby by ID and sorting by year for the duplicated IDs
df_duplicated.groupby('ID').apply(lambda x: x.sort_values('Year'))
解决方法
您可以分组然后shift()
组并在Boss
列上进行比较。
# Sort value first
df.sort_values(['ID','Year'],inplace=True)
# Compare Boss column with shifted Boss column
df['ManagerChange'] = df.groupby('ID').apply(lambda group: group['Boss'] != group['Boss'].shift(1)).tolist()
# Change True to 1,False to 0
df['ManagerChange'] = df['ManagerChange'].map({True: 1,False: 0})
# Sort df to original df
df = df.sort_index()
# Change the first in each group to 0
df.loc[df.groupby('ID').head(1).index,'ManagerChange'] = 0
# print(df)
ID Year Boss ManagerChange
0 1234 2018 Anna 0
1 567 2019 Sarah 0
2 1234 2020 Michael 0
3 8976 2019 John 0
4 1234 2019 Michael 1
5 8976 2020 John 0
您也可以使用 fill_value
参数,这将帮助您摆脱最后一个 df.loc[]
操作。
# Sort value first
df.sort_values(['ID',inplace=True)
df['ManagerChange'] = df.groupby('ID').apply(lambda group: group['Boss'] != group['Boss'].shift(1,fill_value=group['Boss'].iloc[0])).tolist()
# Change True to 1,False: 0})
# Sort df to original df
df = df.sort_index()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。