Python数据框根据具有条件的另一列分配值答案

【问题标题】：Python dataframe assign values based on another column with conditionPython数据框根据具有条件的另一列分配值
【发布时间】：2021-05-11 04:35:47
【问题描述】：

有一个包含 date 、 name 和 number 列的 df 。如果计数> 3，则尝试标记相同的名称记录。并且应该将状态标记为 old_employee 到最早的日期。

date                            name      number 

2021-05-06T07:35:03.000Z        mark       123
2021-04-06T07:35:03.000Z        mark       123
2021-03-03T07:35:03.000Z        mark       123
2021-02-03T07:35:03.000Z        mark       123

2021-05-06T07:35:03.000Z        tom       4123
2021-04-06T07:35:03.000Z        tom       4123
2021-03-03T07:35:03.000Z        tom       4123

2021-02-06T07:35:03.000Z        john       512


2021-02-06T07:35:03.000Z        wood       512
2021-02-06T07:35:03.000Z        wood       512


2020-05-06T07:35:03.000Z        paul       723
2020-04-06T07:35:03.000Z        paul       723
2020-03-03T07:35:03.000Z        paul       723
2020-02-03T07:35:03.000Z        paul       723
2020-02-03T05:35:03.000Z        paul       723
2020-02-02T07:35:03.000Z        paul       723
2020-02-01T07:35:03.000Z        paul       723

2020-05-06T07:35:03.000Z        tomy       623
2020-04-06T07:35:03.000Z        tomy       623
2020-03-03T07:35:03.000Z        tomy       623
2020-02-03T07:35:03.000Z        tomy       623        
2020-02-03T05:35:03.000Z        tomy       623        
2020-02-02T07:35:03.000Z        tomy       623

如果同名记录超过 3 次，我们必须将最早日期的记录标记为 old_employee。

预期输出：

date                            name      number     status

2021-05-06T07:35:03.000Z        mark       123
2021-04-06T07:35:03.000Z        mark       123
2021-03-03T07:35:03.000Z        mark       123
2021-02-03T07:35:03.000Z        mark       123        old_employee

2021-05-06T07:35:03.000Z        tom       4123
2021-04-06T07:35:03.000Z        tom       4123
2021-03-03T07:35:03.000Z        tom       4123

2021-02-06T07:35:03.000Z        john       512


2021-02-06T07:35:03.000Z        wood       512
2021-02-06T07:35:03.000Z        wood       512


2020-05-06T07:35:03.000Z        paul       723
2020-04-06T07:35:03.000Z        paul       723
2020-03-03T07:35:03.000Z        paul       723
2020-02-03T07:35:03.000Z        paul       723        old_employee
2020-02-03T05:35:03.000Z        paul       723        old_employee
2020-02-02T07:35:03.000Z        paul       723        old_employee
2020-02-01T07:35:03.000Z        paul       723        old_employee

2020-05-06T07:35:03.000Z        tomy       623
2020-04-06T07:35:03.000Z        tomy       623
2020-03-03T07:35:03.000Z        tomy       623
2020-02-03T07:35:03.000Z        tomy       623        old_employee
2020-02-03T05:35:03.000Z        tomy       623        old_employee
2020-02-02T07:35:03.000Z        tomy       623        old_employee

试过这个：

(df.groupby('name', as_index=False).apply(lambda x: x if len(x)==1 else x.iloc[[-3]])
   .reset_index(level=0, drop=True))

【问题讨论】：

“记录最早的日期”是什么意思？如果有 4 个不同的日期，是否有包含多少个日期的标准？如果你说'记录'（单数），应该只有一个日期，对吧？如果有多个日期，我们如何决定包含多少个日期？

标签： python python-3.x pandas dataframe date

【解决方案1】：

你可以试试，

df.loc[df.groupby('name').cumcount() >= 3, 'status'] = 'old_employee'

【讨论】：

【解决方案2】：

将GroupBy.cumcount 与numpy.where 一起使用，并通过Series.ge 比较是否大于或等于：

df['date'] = pd.to_datetime(df['date'])
#if values not sorted by name and dates
#df = df.sort_values(['name','date'])

df['status'] = np.where(df.groupby('name').cumcount().ge(3), 'old_employee', '')
print (df)
                            date  name  number        status
0  2    021-05-06 07:35:03+00:00  mark     123              
1  2    021-04-06 07:35:03+00:00  mark     123              
2  2    021-03-03 07:35:03+00:00  mark     123              
3  2    021-02-03 07:35:03+00:00  mark     123  old_employee
4  2    021-05-06 07:35:03+00:00   tom    4123              
5  2    021-04-06 07:35:03+00:00   tom    4123              
6  2    021-03-03 07:35:03+00:00   tom    4123              
7  2    021-02-06 07:35:03+00:00  john     512              
8  2    021-02-06 07:35:03+00:00  wood     512              
9  2    021-02-06 07:35:03+00:00  wood     512              
10 2    020-05-06 07:35:03+00:00  paul     723              
11 2    020-04-06 07:35:03+00:00  paul     723              
12 2    020-03-03 07:35:03+00:00  paul     723              
13 2    020-02-03 07:35:03+00:00  paul     723  old_employee
14 2    020-02-03 05:35:03+00:00  paul     723  old_employee
15 2    020-02-02 07:35:03+00:00  paul     723  old_employee
16 2    020-02-01 07:35:03+00:00  paul     723  old_employee
17 2    020-05-06 07:35:03+00:00  tomy     623              
18 2    020-04-06 07:35:03+00:00  tomy     623              
19 2    020-03-03 07:35:03+00:00  tomy     623              
20 2    020-02-03 07:35:03+00:00  tomy     623  old_employee
21 2    020-02-03 05:35:03+00:00  tomy     623  old_employee
22 2    020-02-02 07:35:03+00:00  tomy     623  old_employee

【讨论】：