保留功能并在python panda中创建一个新表作为SAS

Question

最近，我正在从 SAS 转换为 Python pandas。我的一个问题是，熊猫在 SAS 中是否具有类似保留的功能。

我的 SAS 代码是：

 data df1;
retain col3 "    ";
set df;
by ID  ;
if first.ID  then col3=col1;
else   col3=col3;

我在 SAS 代码中的另一个条件是：

 data df1;
retain col3;
set df;
by ID  ;
if first.ID  then col3=1;
else   col3=col3+1;

我要转换的下一个 SAS 代码如下所示：

   proc sql;
   create table t1 as
     select 
      c1, c2, c3, c4, c5, flag, max(flag) as MAX_flag
   from t1
    group by c1, c2, c3,  c5;
  run;

我在 pandas 中进行了如下尝试，但似乎我犯了一些愚蠢的错误。如果有人知道如何将上述 sas 代码 block3 复制到 pandas 中

  t1=t1[['c1','c2','c3','c4','c5','c6']]
  t1.loc[:,'Max_flag']=t1['flag'].max()
  t1.groupby(['c1','c2','c3','c5'])

在我的例子中。 col3 是 B，col1 是 a。 应该做的条件是 df.groupby(['ID'],as_index=False).first()

我有 2 列 ID，A。 我的要求是输入数据 df1：

 ID    A
  1    a
  1    b
  2    c
  1    p
  2    q

输出数据框应该有一个多列名称作为 B。它将按 ID.first() 分组。并将所有分组 ID 的 col A 的数据复制到 col B。

输出应该是df1

 ID    A    B
  1    a    a
  1    b    a
  2    c    c
  1    p    a
  2    q    c

 **My key requirement is to convert above SAS code to Pnadas**

Answer 1

考虑merge 和groupby.first()：

df = df.merge(df.groupby('ID').first().reset_index(), on='ID').rename(columns={'A_x':'A', 'A_y':'B'})

#    ID  A  B
# 0   1  a  a
# 1   1  b  a
# 2   1  p  a
# 3   2  c  c
# 4   2  q  c

这也可以用从零开始的groupby.nth() 进行概括。下面取每个 ID 中的第二个值：

df = df.merge(df.groupby('ID').nth(1).reset_index(), on='ID').rename(columns={'A_x':'A', 'A_y':'B'})

#    ID  A  B
# 0   1  a  b
# 1   1  b  b
# 2   1  p  b
# 3   2  c  q
# 4   2  q  q

还有groupby.last():

df = df.merge(df.groupby('ID').last().reset_index(), on='ID').rename(columns={'A_x':'A', 'A_y':'B'})

#    ID  A  B
# 0   1  a  p
# 1   1  b  p
# 2   1  p  p
# 3   2  c  q
# 4   2  q  q

Answer 2

形成您尝试过的形式，如果“col1”不为空白，则看起来您希望“col4”等于“col2”，否则“col4”应为空白。所以你不需要分组。 以下是我在此处解释的案例的处理方式：

In [80]: df = pd.DataFrame([[1,'a','b','c'],[2,'e','r','g'], [3,'BLANK', '', '']], columns=['ID','col1', 'col2','col3'])

In [81]: df
Out[81]: 
   ID   col1 col2 col3
0   1      a    b    c
1   2      e    r    g
2   3  BLANK          

In [82]: df['col4'] = np.where(df['col1'] == 'BLANK', 'BLANK', df['col2'])

In [83]: df
Out[83]: 
   ID   col1 col2 col3   col4
0   1      a    b    c      b
1   2      e    r    g      r
2   3  BLANK            BLANK