代码之家 › 专栏 › 技术社区 › VERBOSE

如何根据id和符号变化识别组?

pandas

VERBOSE · 技术社区 · 11 月前

我的输入是一个有一列的数据帧:

import pandas as pd

df = pd.DataFrame({'ID': ['A1-B1', 'A1-B2', 'A1-B3', 'A1-B8', 'A2-B10', 'A2-B16', 'A2-B9', 'A3-B13', 'A3-B14']})

我正试图创建第二列,根据两件事来识别组:

Axx
Bxx的符号变化

第1组:在A1中:Bxx的数量正在增加=B1到B8
第2组:在A2中,Bxx的数量首先从B10增加到B16
第三组:在A2中,Bxx的数量减少到B9
第4组:在A3中,Bxx的数量从B13增加到B14

我的预期输出是:

       ID  GROUP
0   A1-B1      1
1   A1-B2      1
2   A1-B3      1
3   A1-B8      1
4  A2-B10      2
5  A2-B16      2
6   A2-B9      3
7  A3-B13      4
8  A3-B14      4

我尝试使用findall和ngroup的想法,但效果不佳:

new_df = df['ID'].str.findall(r'\d+').apply(lambda x: pd.Series(x))
new_df.columns = ['Axx', 'Bxx']
new_df['GROUP'] = new_df.groupby(['Axx', 'Bxx']).ngroup()
print(new_df)

  Axx Bxx  GROUP
0   1   1      0
1   1   2      1
2   1   3      2
3   1   8      3
4   2  10      4
5   2  16      5
6   2   9      6
7   3  13      7
8   3  14      8

你们有什么建议吗?

1 回复 | 直到 11 月前

Dogbert 11 月前

首先,提取以下整数值 a 和 b 。然后分组 一 并签署变更 b 并存储 ngroup() + 1 :

df[["a", "b"]] = df["ID"].str.extract(r"A(\d+)-B(\d+)").astype(int)

df["GROUP"] = df.groupby([df["a"], df["b"].diff().le(0)]).ngroup() + 1

df = df.drop(columns=["a", "b"])

print(df)

输出:

      ID  GROUP
0   A1-B1      1
1   A1-B2      1
2   A1-B3      1
3   A1-B8      1
4  A2-B10      2
5  A2-B16      2
6   A2-B9      3
7  A3-B13      4
8  A3-B14      4

不指定稍后删除的列的替代方法:

ab = df["ID"].str.extract(r"A(\d+)-B(\d+)").astype(int)

df["GROUP"] = df.groupby([ab[0], ab[1].diff().le(0)]).ngroup() + 1

print(df)

推荐文章

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

4 月前

Cam · Pandas列表日期到日期时间

4 月前

jjkennedy · Pandas文本文件导入:当每个文件中存在多个表时,自动选择1个表

5 月前

Sun Jar · 在另一个系列中查找当前df值的索引,并将其添加到列中

5 月前

dietzi96 · Pandas DataFrame.to_sql随机和静默地失败,没有错误消息

5 月前

Bijan · Pandas批量更新帐户字符串

5 月前

Kernel · TypeError:Index.reindex()收到意外的关键字参数fill_value'

5 月前

Kernel · 进入熊猫的定义。系列super().reindex

6 月前

adventurous_chip_55 · 如何引爆柱子

6 月前

RKIDEV · Panda迭代行并将第n行值乘以下一(n+1)行值

6 月前