我有一个熊猫数据帧是这样的:
Month Name Revenue EARLY_MIN
Jan A 100 ?
Jan A 50 ?
Feb A 30 ?
对于每一个“名称”,我要挑最早记录(一月)。如果返回不止一行,我会选择用最小的纪录。收入。所以50在这种情况下。我会创造这个纪录列EARLY_MIN = 1。因此,在这个例子中,第二行与具有EARLY_MIN = 1,其它行将具有EARLY_MIN = 0。
我怎样才能做到这一点与大熊猫分钟。步数?
使用Python的calendar
STDLIB,你可以在“月”转换为数值。这很容易让我们基于“月”值排序行。
import calendar
mapping = {calendar.month_abbr[k]: k for k in range(1, 13)}
u = df.assign(Month=df.Month.map(mapping))
u
Month Name Revenue EARLY_MIN
0 1 A 100 ?
1 1 A 50 ?
2 2 A 30 ?
现在,你可以使用groupby
和idxmin
,或类似的东西。
idx = (u['Revenue'].mask(u.groupby('Name').Month.transform('min') != u['Month'])
.groupby(u.Name)
.idxmin()
.values)
df.loc[idx, 'EARLY_MIN'] = 1
df
Month Name Revenue EARLY_MIN
0 Jan A 100 ?
1 Jan A 50 1
2 Feb A 30 ?
通过使用相同的设置了费沙
#df['Month'] = pd.to_datetime(df.Month, format='%b').dt.month
df['EARLY_MIN']=(~df.sort_values(['Month','Revenue']).duplicated('Name',keep='first')).astype(int)
df
Out[1006]:
Month Name Revenue EARLY_MIN
0 1 A 100 0
1 1 A 50 1
2 2 A 30 0