如何根据行是否满足条件将函数应用于数据框组？

Question

我正在尝试按用户对 df 进行分组，并使用以下规则对该用户的每次出现应用权重。

1. 如果用户在我要分配的 df 中出现 3 次或以上：

• 第一次和最后一次出现的权重为 0.4
• 每个剩余事件的权重为 0.2/(发生次数 - 2)（将剩余 20% 除以所有其他事件）

2. 如果用户出现次数少于 3 次，则应用加权：1/# 出现次数

最终权重应如下所示：

用户	订购	重量
乔希	1	0.4
乔希	2	0.2
乔希	3	0.4
利亚姆	1	0.4
利亚姆	3	0.4
利亚姆	2	0.2
艾比	1	0.5
艾比	2	0.5

到目前为止，我已经完成了以下操作，这给了我在“final_wt”列中想要的结果，但我想知道是否有更好的方法以更少的中间步骤来实现此目的？

import pandas as pd 
import numpy as np

# list of name, degree, score
user = ["josh", "josh", "josh", "liam", "liam", "liam", "abby", "abby"]
order = [1, 2, 3, 1, 3, 2, 1, 2]
device = ["a", "a", "a", "b", "a", "b", "c", "a"]
  
# dictionary of lists 
dict = {'user': user, 'order': order, 'device': device} 
    
df = pd.DataFrame(dict)
    

def func(T):
    if len(T) < 3:
        return 1/len(T)
    else:
        return 0.2/(len(T)-2)
        

df['wt']= df.groupby('user')['order'].transform(lambda x: func(x))
df['grpsize']= df.groupby('user')['order'].transform(lambda x: len(x))

df['final_wt'] = np.where(
    df['grpsize'] < 3, df['wt'], np.where(
    df['order'] ==1 , 0.4, np.where(
    df['order'] == df['grpsize'] , 0.4, df['wt'])))

有没有一种方法可以修改应用于 groupby 的 .transform() 条件，以便我可以以不那么老套的方式计算权重？

或者有没有办法修改我的函数以应用于单个组元素而不是整个组？

提前非常感谢您！！

Answer 1

我通过执行以下操作改进了我的解决方案：

df['final_wt']= df.groupby('user')['order'].transform(lambda x: np.where( ((x==1) | (x==len(x)))& (len(x)>2), 0.4, func(x)))