Python:如何标记此数据集

Question

嗨，我有这样的df：

df = pd.DataFrame({'CaseNo':[1,1,1,1,2,2,3,3,3,4,4],
                   'Category':['A','A','IOU','A','B','B','IOU','IOU','IOU','C','IOU']})

​

​

我想根据这个条件给CaseNo标签：

对于每个CaseNo，如果在Category列中出现了值'IOU‘，其中任何值(’IOU‘除外)出现在 it之前--则标记为’是‘，否则标记为’否‘。

我如何在Python中做到这一点？预期成果：

​

Answer 1

，并假设YES只在至少有一个IOU和它前面的IOU以外的值时才应该设置

m = (df.Category.eq('IOU').view('i1')
       .groupby(df.CaseNo)
       .transform(lambda x: x.diff().eq(1).any()))
df['Label'] = m.map({True:'Yes',False:'No'})

print(df)

    CaseNo Category Label
0        1        A   Yes
1        1        A   Yes
2        1      IOU   Yes
3        1        A   Yes
4        2        B    No
5        2        B    No
6        3      IOU    No
7        3      IOU    No
8        3      IOU    No
9        4        C   Yes
10       4      IOU   Yes

这里的想法是，当有一个1 ( Series.diff() )前面有一个0 (无IOU)时，0将是1。

Answer 2

让我们试试transform和first和any

g=df.Category.eq('IOU').groupby(df['CaseNo'])
m=g.transform('any') & ~g.transform('first')
df['New']=m.map({True:'Yes',False:'No'})
df
Out[24]: 
    CaseNo Category  New
0        1        A  Yes
1        1        A  Yes
2        1      IOU  Yes
3        1        A  Yes
4        2        B   No
5        2        B   No
6        3      IOU   No
7        3      IOU   No
8        3      IOU   No
9        4        C  Yes
10       4      IOU  Yes

Answer 3

下面的代码可以满足您的需要。它使用groupby和index。其优点是，您可以随时修改函数func，以便按所需进行更新。其他答案无疑是具体的，但不能修改太多。

def func(x):
    try:
        return 'YES' if x.index('IOU')!=0 else 'NO'
    except:
        return "NO"
mapper = df.groupby("CaseNo")['Category'].agg(list).apply(func)
df['Label'] = df['CaseNo'].apply(lambda x: mapper[x])
print(df)

输出：

    CaseNo Category Label
0        1        A   YES
1        1        A   YES
2        1      IOU   YES
3        1        A   YES
4        2        B    NO
5        2        B    NO
6        3      IOU    NO
7        3      IOU    NO
8        3      IOU    NO
9        4        C   YES
10       4      IOU   YES