使用 pandas 标记每组的第 N 行答案

【问题标题】：Mark every Nth row per group using pandas使用 pandas 标记每组的第 N 行
【发布时间】：2019-05-17 17:49:50
【问题描述】：

我有一个包含客户信息和购买详细信息的数据框。我正在尝试添加一个新列，以指示同一客户的每 3 次购买。

下面给出的是数据框

customer_name,bill_no,date
Mark,101,2018-10-01
Scott,102,2018-10-01
Pete,103,2018-10-02
Mark,104,2018-10-02
Mark,105,2018-10-04
Scott,106,2018-10-21
Julie,107,2018-10-03
Kevin,108,2018-10-07
Steve,109,2018-10-02
Mark,110,2018-10-06
Mark,111,2018-10-02
Mark,112,2018-10-05
Mark,113,2018-10-05

我写信是为了过滤同一客户的每 3 次购买。所以在这种情况下，我想为下面的 bill_no 添加一个标志

Mark,105,2018-10-04
Mark,112,2018-10-05

基本上每个 3 的倍数都会为同一客户生成。

【问题讨论】：

标签： python pandas dataframe group-by pandas-groupby

【解决方案1】：

使用groupby.cumcount：

n = 3
df['flag'] = df.groupby('customer_name').cumcount() + 1
df['flag'] = ((df['flag'] % n) == 0).astype(int)

print(df)
   customer_name  bill_no        date  flag
0           Mark      101  2018-10-01     0
1          Scott      102  2018-10-01     0
2           Pete      103  2018-10-02     0
3           Mark      104  2018-10-02     0
4           Mark      105  2018-10-04     1
5          Scott      106  2018-10-21     0
6          Julie      107  2018-10-03     0
7          Kevin      108  2018-10-07     0
8          Steve      109  2018-10-02     0
9           Mark      110  2018-10-06     0
10          Mark      111  2018-10-02     0
11          Mark      112  2018-10-05     1
12          Mark      113  2018-10-05     0

【讨论】：

【解决方案2】：

如果实际获取索引很重要，您应该使用groupby + apply 对索引进行切片：

n = 3
idx = df.groupby('customer_name', group_keys=False).apply(
    lambda x: x.index[n-1::n].to_series())
# So you can query these rows easily.
df.loc[idx]

   customer_name  bill_no        date
4           Mark      105  2018-10-04
11          Mark      112  2018-10-05

现在，使用索引标记它们：

df['flag'] = 0
df.loc[idx, 'flag'] = 1

df
   customer_name  bill_no        date  flag
0           Mark      101  2018-10-01     0
1          Scott      102  2018-10-01     0
2           Pete      103  2018-10-02     0
3           Mark      104  2018-10-02     0
4           Mark      105  2018-10-04     1
5          Scott      106  2018-10-21     0
6          Julie      107  2018-10-03     0
7          Kevin      108  2018-10-07     0
8          Steve      109  2018-10-02     0
9           Mark      110  2018-10-06     0
10          Mark      111  2018-10-02     0
11          Mark      112  2018-10-05     1
12          Mark      113  2018-10-05     0

如果性能很重要，请改用 Sandeep 的解决方案。

【讨论】：