Pandas Groupby 并使用自定义值创建新列

Question

伙计们，

我在 StackOverflow 上搜索了我的用例，但找不到任何有用的东西。如果您觉得这个问题已经解决，请指出相应的问题。

用例。

我有以下数据框。

  Maturity,Periods  
  0.5,2   
  0.5,2   
  1.0,3  
  1.0,3   
  1.0,3  

如您所见，maturity 列根据periods 列中的数字重复。现在我想要完成的是创建一个新列，该列将除每个分组成熟度的 1 个值外全为 0。所以预期的数据框是这样的

  Maturity,Periods,CP   
  0.5,2,0  
  0.5,2,1   
  1.0,3,0    
  1.0,3,0   
  1.0,3,1  

正如您在预期的数据框中看到的那样，CP 列中的0s 的数量比Periods 列中的值小1，剩余的值为1。

我尝试了下面的 pandas groupby 操作，但失败了。

new_df['CP'] = new_df.groupby(['Maturity'])['Periods'].apply(lambda x: np.zeros((x-1, 1)) + np.array([1.0])).reset_index()

谁能指出我哪里出错了？

更新编辑：

作为上述问题的后续，如何使用 Pandas 的操作解决以下方法？

使用上面的数据框，我想创建新列，但预期的输出是这样的：

Maturity,Periods,CP,TimeCF  
0.5,2,0,0.5
0.5,2,1,0.5

1.0,3,0,0.5
1.0,3,0,1.0
1.0,3,1,1.0

1.5,4,0,0.5
1.5,4,0,1.0
1.5,4,0,1.5
1.5,4,1,1.5

TimeCF 的新列将包含现金流的时间值（考虑债券的半年度现金流）

Answer 1

您似乎不需要groupby 在这里...试试这个：

df['CP'] = 0
df.loc[df['Maturity'].ne(df['Maturity'].shift(-1)), 'CP'] = 1

print(df)
   Maturity  Periods  CP
0       0.5        2   0
1       0.5        2   1
2       1.0        3   0
3       1.0        3   0
4       1.0        3   1

---

如果groupby是不可避免的，你可以像以前一样使用它：

df['CP'] = 0
df.loc[df.groupby('Maturity').apply(lambda x: x.index[-1]), 'CP'] = 1

print(df)
   Maturity  Periods  CP
0       0.5        2   0
1       0.5        2   1
2       1.0        3   0
3       1.0        3   0
4       1.0        3   1