当“交互”为 1 时，如何创建一个插入分组列“ID”（及时）的单元格值的新列答案

【问题标题】：How can i create a new column that inserts the cell value of grouped column 'ID' (in time) when 'interaction' is 1当“交互”为 1 时，如何创建一个插入分组列“ID”（及时）的单元格值的新列
【发布时间】：2020-03-15 20:26:37
【问题描述】：

我有三个相关的列：时间、id 和交互。如何在给定时间窗口的“交互”列中创建一个 ID 值为“1”的新列？

应该是这样的：

time   id   vec_len  quadrant   interaction    Paired with

1    3271    0.9    7   0 
1    3229    0.1    0   0
1    4228    0.5    0   0
1    2778   -0.3    5   0
2    4228    0.2    0   0
2    3271    0.1    6   0
2    3229    -0.7   5   1    [2778, 4228]
2    3229    -0.3   2   0
2    4228    -0.8   5   1    [2778, 3229]
2    2778   -0.6    5   1    [4228, 3229]
3    4228    0.2    0   0
3    3271    0.1    6   0
3    4228    -0.7   5   1    [3271]
3    3229    -0.3   2   0
3    3271    -0.8   5   1    [4228]

感谢您的帮助！！

【问题讨论】：

“如何使用 id 值创建新列”是什么意思？您想向此数据框添加一列还是您的目标是什么？
我试图在标题中澄清。所以在时间块 x 中，当 'interaction' 为 1 时，将在该时间块中也有 '1' 的其他 id 的单元格值插入到新列中。
您能举个例子吗？所有 id 都已经在 id 列中。如果interaction 是1 或None，那么您想要另一列id_interaction 具有id？
抱歉，不够清楚。我试试。因此，基于时间块 2，我们有 3 个 ID，在“交互”列中状态为 1。在一个新的“配对”列中，我想列出该时间块中的 ID 在列交互中也有 1。
在这种情况下，3229 在新列中获取值 2778 和 4228，因为它们在时间块 2 中也有 'interaction'==1。

标签： python pandas dataframe if-statement iteration

【解决方案1】：

import numpy as np

# initialize dict for all time blocks
dict_time_ids = dict.fromkeys(df.time.unique(), set())

# populate dictionary with ids for each time block where interaction == 1
dict_time_ids.update(df.query('interaction == 1').groupby('time').id.apply(set).to_dict())

# make new column with set of corresponding ids where interaction == 1
df['paired'] = np.where(df.interaction == 1, df.time.apply(lambda x: dict_time_ids[x]), set())

# remove the id from the set and convert to list
df.paired = df.apply(lambda x: list(x.paired - {x.id}), axis=1)

# Out:
    time    id  interaction        paired
0      1  3271            0            []
1      1  3229            0            []
2      1  4228            0            []
3      1  2778            0            []
4      2  4228            0            []
5      2  3271            0            []
6      2  3229            1  [2778, 4228]
7      2  3229            0            []
8      2  4228            1  [2778, 3229]
9      2  2778            1  [4228, 3229]
10     3  4228            0            []
11     3  3271            0            []
12     3  4228            1        [3271]
13     3  3229            0            []
14     3  3271            1        [4228]

【讨论】：