pandas:具有扩展应用和条件的Groupby

Question

我想对一列进行扩展min，同时遵循基于另一列的条件：

df = pd.DataFrame({'_id': ['a','a', 'a', 'a', 'a'], 
                   'account': [1,2,3,2,5], 
                   'status':[3, 1, 5, 2, 7]})

  _id  account  status
0   a        1       3
1   a        2       1
2   a        3       5
3   a        2       2
4   a        5       7

这些行按照从最旧到最新的时间顺序排列，并在用户_id对account进行status更改时显示。因此，在这里我们可以看到，用户a在某个时间点将account 2标记为status 1，然后将该值更新为2。

我需要一个status_hist列来显示a所有帐户的全局状态，其中全局状态被定义为所有现有状态的状态。在索引0处只有一个状态，因此status_hist是3，在索引1处现在有两个状态，status_hist是1，依此类推。当我们索引3时，全局状态应该从1更改为2，因为status account 2现在已经更改了。

我可以使用df.itertuples()很容易做到这一点，但如果有更快的方法，我希望避免这样做。以下是itertuples的解决方案，如果它有助于澄清我想要的是什么：

df2 = pd.DataFrame()

for _, group in df.groupby('_id'):
    res = []
    statuses = defaultdict()
    for row in group.itertuples():
        statuses[row.account] = row.status
        res.append(min(statuses.values()))

    group['status_hist'] = res
    df2 = df2.append(group)

这就给出了：

  _id  account  status  status_hist
0   a        1       3            3
1   a        2       1            1
2   a        3       5            1
3   a        2       2            2
4   a        5       7            2

如果你能帮上忙，谢谢！

Answer 1

您可以在“account”列上使用get_dummies，乘以“values”中的状态。然后使用mask将0替换为nan，以便能够对每个'_id‘组执行ffill操作，以便最终将min覆盖如下所示的列：

df_dummies = pd.get_dummies(df.account)*df.status.values[:,None]
df['status_hist'] = df_dummies.mask(df_dummies.eq(0)).groupby(df._id).ffill().min(axis=1)
print (df)
  _id  account  status  status_hist
0   a        1       3          3.0
1   a        2       1          1.0
2   a        3       5          1.0
3   a        2       2          2.0
4   a        5       7          2.0