如何根据上述行的值添加新列答案

【问题标题】：how to add new column based on the above row's value如何根据上述行的值添加新列
【发布时间】：2019-01-10 09:12:23
【问题描述】：

我有一个如下的数据框。起初，它们有三列（“日期”、“时间”、“标志”）。我想添加一个基于标志和日期的列，这意味着当我得到 flag=1 时，那么这一天剩下的时间目标是 1，否则目标是零。

  date        time      flag  target
0 2017/4/10   10:00:00  0     0
1 2017/4/10   11:00:00  1     1
2 2017/4/10   12:00:00  0     1
3 2017/4/10   13:00:00  0     1
4 2017/4/10   14:00:00  0     1
5 2017/4/11   10:00:00  1     1
6 2017/4/11   11:00:00  0     1
7 2017/4/11   12:00:00  1     1
8 2017/4/11   13:00:00  1     1
9 2017/4/11   14:00:00  0     1
10 2017/4/12  10:00:00  0     0
11 2017/4/12  11:00:00  0     0
12 2017/4/12  12:00:00  0     0
13 2017/4/12  13:00:00  0     0
14 2017/4/12  14:00:00  0     0
15 2017/4/13  10:00:00  0     0
16 2017/4/13  11:00:00  1     1
17 2017/4/13  12:00:00  0     1
18 2017/4/13  13:00:00  1     1
19 2017/4/13  14:00:00  0     1

【问题讨论】：

你读了吗：stackoverflow.com/questions/12555323/…
@knh190 我认为你应该更好地阅读这个问题。它不像你链接的那么简单。

标签： python pandas dataframe pandas-groupby

【解决方案1】：

将DataFrameGroupBy.cumsum 用于累积和flag 值，与0 进行比较，最后将掩码转换为integer：

df['new'] = (df.groupby('date')['flag'].cumsum() > 0).astype(int)
print (df)
         date      time  flag  target  new
0   2017/4/10  10:00:00     0       0    0
1   2017/4/10  11:00:00     1       1    1
2   2017/4/10  12:00:00     0       1    1
3   2017/4/10  13:00:00     0       1    1
4   2017/4/10  14:00:00     0       1    1
5   2017/4/11  10:00:00     1       1    1
6   2017/4/11  11:00:00     0       1    1
7   2017/4/11  12:00:00     1       1    1
8   2017/4/11  13:00:00     1       1    1
9   2017/4/11  14:00:00     0       1    1
10  2017/4/12  10:00:00     0       0    0
11  2017/4/12  11:00:00     0       0    0
12  2017/4/12  12:00:00     0       0    0
13  2017/4/12  13:00:00     0       0    0
14  2017/4/12  14:00:00     0       0    0
15  2017/4/13  10:00:00     0       0    0
16  2017/4/13  11:00:00     1       1    1
17  2017/4/13  12:00:00     0       1    1
18  2017/4/13  13:00:00     1       1    1
19  2017/4/13  14:00:00     0       1    1

【讨论】：

简单地使用 True 到 1 实现 Python 固有的解释性设计决策和几乎随意使用 groupby 固有的升序排序。但是，它可能搞砸的一个可能部分是时间尚未排序。 :)
@ycx - 谢谢 :)
不错的@jezrael :-) 另一种选择是在这里使用gt(0)，很好的解决方案
@yatu - 谢谢。
@jezrael 是的，如果日期相同，只需要再添加一行以根据第二行中的值回填第一行

【解决方案2】：

好的，我知道我们已经在这里找到了解决方案，但只是为了满足我的书呆子，这里有一个答案（考虑到它有多长，并不优雅），以避免烦人的第一行缺陷

pd.merge(df, (df.groupby('date')['flag'].any().astype(int)).to_frame().T.transpose().reset_index(), left_on='date', right_on='date')

方法与@jezrael 相同 - groupby 功能是这里的关键。 any() 没有使用导致第一行缺陷的 cumsum，似乎非常适合此解决方案。唯一的缺点是它会产生一个系列，然后我们需要将其强制回一个数据帧并转置，然后再通过 date 键将它们连接在一起。

【讨论】：