Skip to main content
 首页 » 编程设计

python之识别 Pandas 数据框中并发事件的简单方法

2024年11月24日6JustinYoung

我正在寻找一种简单的方法来向数据框添加一列,以指示给定零件是否已连续购买至少两年

这是一个示例数据框

df = pd.DataFrame( 
    { 
        'PART_UNIT':['A','A','A','B','B'], 
        'FiscalYear':['2015/2016','2016/2017','2018/2019','2015/2016','2017/2018'], 
        'PO_UNIT_PRICE':[10,12,11,45,54] 
    } 
) 
print(df) 
 
0         A  2015/2016             10 
1         A  2016/2017             12 
2         A  2018/2019             11 
3         B  2015/2016             45 
4         B  2017/2018             54 

我正在寻找一个类似于我在添加标准偏差列时会使用的函数

df['std'] = df.groupby(['PART_UNIT'])['PO_UNIT_PRICE'].transform(np.std) 

得到这样的结果

  PART_UNIT FiscalYear  PO_UNIT_PRICE  Concurrent 
0         A  2015/2016             10           1 
1         A  2016/2017             12           1 
2         A  2018/2019             11           1 
3         B  2015/2016             45           0 
4         B  2017/2018             54           0 

如您所见,“B”部分在列中的值为 0,因为它已连续两年未被购买。

请您参考如下方法:

import pandas as pd 
 
df = pd.DataFrame( 
    { 
        'PART_UNIT': ['A', 'A', 'A', 'B', 'B'], 
        'FiscalYear': ['2015/2016', '2016/2017', '2018/2019', '2015/2016', '2017/2018'], 
        'PO_UNIT_PRICE': [10, 12, 11, 45, 54] 
    } 
) 
 
print(df) 
 
 
def two_years_in_a_row(fiscal_years): 
    tmp = list(fiscal_years) 
    for idx, year in enumerate(tmp): 
        if idx > 0: 
            if tmp[idx - 1].split('/')[1] == year.split('/')[0]: 
                return 1 
    return 0 
 
 
print('----------------------------------------') 
 
df['concurrent'] = df.groupby(['PART_UNIT'])['FiscalYear'].transform(two_years_in_a_row) 
 
print(df) 

输出

 PART_UNIT FiscalYear  PO_UNIT_PRICE 
0         A  2015/2016             10 
1         A  2016/2017             12 
2         A  2018/2019             11 
3         B  2015/2016             45 
4         B  2017/2018             54 
---------------------------------------- 
  PART_UNIT FiscalYear  PO_UNIT_PRICE  concurrent 
0         A  2015/2016             10           1 
1         A  2016/2017             12           1 
2         A  2018/2019             11           1 
3         B  2015/2016             45           0 
4         B  2017/2018             54           0