根据多个 IF 条件创建具有新 ID 的列

Question

我正在尝试根据其他列的行中的值更改来分配新列中的值。请参考给出的数据集。

ID1- 基于 diff 列，当值不等于 1 时，它应该将新 ID 分配给上一行的 ID 加一。

ID2-当ID1内Region发生变化时分配ID

ID3- 分配 ID1 和 ID2 内的 ID

当 Indv 列更改为新值时，上述三个 ID 都应从 1 开始。

import pandas as pd

# intialise data of lists. 
data={'Indv':[1,1,1,1,1,1,1,1,1,1,1,2,2,2],
'Region':['A','A','A','A','B','B','B','C','C','C','D','A','A','C'],
'diff':[ 1,1,10,1,1,1,1,10,1,1,1,-11,1,1],
}

#CreateDataFrame
df=pd.DataFrame(data)

#creating ID1
df['ID1']=1

#Code only for ID1
for i in range(len(df)):
    j=i+1
    if(df['Indv'][i]!=df['Indv'][j]):
        df['session_ID'][j]=1
        if df['diff'][j]==1:
            df['ID1'][j]=df['ID1'][i]
        else:
            df['ID1'][j]=df['ID1'][i]+1
    break;

具有预期结果的数据集 - 需要生成 ID1、ID2 和 ID3 列。

Indv, Region, diff, ID1, ID2, ID3
1, A, 1, 1, 1, 1
1, A, 1, 1, 1, 2
1, A, 10, 2, 1, 1
1, A, 1, 2, 1, 2
1, B, 1, 2, 2, 1
1, B, 1, 2, 2, 2
1, B, 1, 2, 2, 3
1, C, 10, 3, 1, 1
1, C, 1, 3, 1, 2
1, C, 1, 3, 1, 3
1, D, 1, 3, 2, 1
2, A, -11, 1, 1, 1
2, A, 1, 1, 1, 2
2, C, 1, 1, 2, 1

Answer 1

这是我的解决方案：

1. 创建数据帧

data={'Indv':[1,1,1,1,1,1,1,1,1,1,1,2,2,2],
'Region1':['A','A','A','A','B','B','B','C','C','C','D','A','A','C'],
'diff':[ 1,1,10,1,1,1,1,10,1,1,1,-11,1,1]
}
df = pd.DataFrame(data)

1. 声明用于查找id1和id2的函数：

def createId1(group):
    cumsum = group.ne(1).cumsum()
    if cumsum.iloc[0] == 0:
        return cumsum + 1
    return cumsum

def createId2(group):
    return group.ne(group.shift(1)).cumsum()

1. 创建 id 列

df["id1"] = df.groupby(["Indv"])["diff"].transform(lambda group: createId1(group))
df["id2"] = df.groupby(["Indv", "id1"])["Region1"].transform(lambda group: createId2(group))
df["id3"] = df.groupby(["Indv", "id1", "id2"]).cumcount()+1

输出：

print(df.to_string())

    Indv Region1  diff  id1  id2  id3
0      1       A     1    1    1    1
1      1       A     1    1    1    2
2      1       A    10    2    1    1
3      1       A     1    2    1    2
4      1       B     1    2    2    1
5      1       B     1    2    2    2
6      1       B     1    2    2    3
7      1       C    10    3    1    1
8      1       C     1    3    1    2
9      1       C     1    3    1    3
10     1       D     1    3    2    1
11     2       A   -11    1    1    1
12     2       A     1    1    1    2
13     2       C     1    1    2    1

文档：

DataFrame.groupby：基于映射器对行进行分组（这里我使用了一个或多个系列）。

GrouBy.transform：对每个组应用一个函数（GroupBy.apply 也可以）。

Series.ne：返回一系列基于不相等元素的布尔值。

Series.shift：将系列的索引移动给定的步长。

DataFrame.cumsum：返回Series的累计和。当应用于布尔系列时，返回遇到的 True 值的累积总和。

GroupBy.cumcount：从 0 开始对组中的每个项目进行编号。