如何按 ID 计算累积缺失值组（在 python 中）？答案

【问题标题】：How to calculate cumulative missing values group by an ID (in python)?如何按 ID 计算累积缺失值组（在 python 中）？
【发布时间】：2022-01-24 03:02:08
【问题描述】：

a) 给定以下“id”和“freq”

df = pd.DataFrame({'id':[1,1,1,1,1,1,2,2,2,2,2,3,3,3],'freq':[1,2,np.NaN, np.NaN, np.NaN, 6,7,8,9,10,np.NaN,np.NaN,13,14]})

b) 如何通过“id”计算“freq”组的累积缺失？当频率 > 0 时重置为零

所以结果 'cum_null' 应该看起来像 - 打印（df（['cum_null']） 0 0 1 2 3 0 0 0 0 0 1 1 0 0

c) 我试过这个。非常接近，但当 freq > 0 时无法重置为零

df['cum_null'] = id_grp['freq'].apply(lambda x:x.isnull().astype(int).cumsum())

【问题讨论】：

您的样本的预期输出是什么？
打印(df(['cum_null']) 0 0 1 2 3 0 0 0 0 0 1 1 0 0
样本中的频率始终大于 0
'freq" 是指“id”在给定月份的交易次数。所以 1 表示 1 次交易，2 表示 2 次交易，null 表示“没有”交易。我想知道没有任何交易的月数如何，即计算“freq”月份连续为空的情况。

标签： python pandas cumsum

【解决方案1】：

如果你能做到groupby 和mask

df['cum_null'] = df.freq.isnull().groupby(df['id']).cumsum().where(df.freq.isnull(),0)
0     0
1     0
2     1
3     2
4     3
5     0
6     0
7     0
8     0
9     0
10    1
11    1
12    0
13    0
Name: freq, dtype: int64

【讨论】：