如何在转换条件下转换 pandas groupby？答案

【问题标题】：How do I transform a pandas groupby with a condition on the transformation?如何在转换条件下转换 pandas groupby？
【发布时间】：2020-09-01 01:04:30
【问题描述】：

我有一个包含会话和出价数据的数据框，其中包含三列（感兴趣的）：user_id、事件和日期。

user_id 只是一个标识用户的 ID
事件是出价或会话
日期是一个日期时间对象

现在我要做的是在我的数据框中添加一列，即第一次出价的日期。我已经尝试了几种方法来让它工作，但问题是用户在出价之前生成会话当然很常见。

我已经尝试了几种方法来让过滤器工作，但它似乎不像我认为的那样工作。从文档中它说“返回 DataFrame 的副本，不包括不满足 func 指定的布尔标准的组中的元素。”这听起来像我想要的，忽略组中会话而不是出价的事件。

df['first bid date'] = df.groupby('user_id').filter(lambda x: x['event'] == 'bid')['date'].transform('min')

当这不起作用时，我尝试让转换采用自定义函数，如下所示：

def custom_transform(group):
    return group[group['event'] == 'bid']['date'].min()


df['first bid date'] = df.groupby('user_id').['date'].transform(custom_transform)

但这不起作用，因为转换无法同时访问日期和事件，似乎无论我如何分组。

最后我尝试按 user_id 和这样的事件进行分组

df['first bid date'] = df.groupby(['user_id', 'event'])['date'].transform('min')

哪种方法有效，但我不得不将所有第一个会话更改为第一个出价，因为现在有一个第一个会话和一个第一个出价。

有任何输入可以让这个 oneliner 工作吗？似乎 groupby、filter 和 transform 的组合应该可以解决问题，但我无法破解它。

谢谢！

【问题讨论】：

你能分享 df 中包含的示例数据吗？
我可以，但是如何在此处粘贴样本而不会使格式看起来很奇怪？

标签： python pandas dataframe filter transform

【解决方案1】：

这里是一些带有数据框的示例代码来匹配问题。

from io import StringIO

csv = StringIO("""index,uid,event,date
0,1,"bid",'2010-01-01'
1,1,"bid",'2013-01-01'
2,1,"session",'2009-01-01'
3,2,"session",'2010-01-01'
4,2,"bid",'2015-01-01'
5,2,"bid",'2017-01-01'""")

df = pd.read_csv(csv, index_col='index').reset_index(drop=True)

这种替代方法使用merge 函数。

df.merge(df[df['event']=='bid'].groupby('uid')['date'].min(),
on='uid', suffixes=('','_first_bid'))

哪些打印：

    uid  event    date        date_first_bid
0   1    bid      2010-01-01  2010-01-01
1   1    bid      2013-01-01  2010-01-01
2   1    session  2009-01-01  2010-01-01
3   2    session  2010-01-01  2015-01-01
4   2    bid      2015-01-01  2015-01-01
5   2    bid      2017-01-01  2015-01-01

【讨论】：

【解决方案2】：

想法是将不匹配的值替换为transform 之前的缺失值，这里是Series.where：

df['first bid date'] = (df.assign(date = df['date'].where(df['event'] == 'bid'))
                          .groupby('user_id')['date']
                          .transform('min'))

【讨论】：