识别 pandas 数据框中各组之间的差异

Question

我有一个按日期和 ID 索引的 pandas 数据框。我想：

识别日期之间增删改的ID
使用 addition/deletion 的日期将 ID 添加到另一个数据框。

date        ID   value
12/31/2010  13  -0.124409
             9   0.555959
             1  -0.705634
             2  -3.123603
             4   0.725009
1/31/2011   13   0.471078
             9   0.276006
             1  -0.468463
            22   1.076821
            11   0.668599

期望的输出：

date        ID  flag
1/31/2011   22  addition
1/31/2011   11  addition
1/31/2011   2   deletion
1/31/2011   4   deletion

我已经尝试 pandas 中两个数据帧之间的差异。我无法让它在分组数据框上工作。我不确定如何遍历每个组，并与上一组进行比较。

Answer 1

您可以使用 duplicated，找到不同的值

s=df[~df.index.get_level_values(1).duplicated(keep=False)]
pd.DataFrame({'date':['1/31/2011']*len(s),'ID':s.index.get_level_values(1),'flag':(s.index.get_level_values(0)=='1/31/2011')}).replace({False:'deletion',True:'addition'})
Out[529]: 
   ID       date      flag
0   2  1/31/2011  deletion
1   4  1/31/2011  deletion
2  22  1/31/2011  addition
3  11  1/31/2011  addition

Answer 2

我创建了一个辅助函数来移动 pandas.MultiIndex 的第一层。有了这个，我就可以和原来的索引进行差分来判断增删。

def shift_level(idx):
    level = idx.levels[0]
    mapping = dict(zip(level[:-1], level[1:]))
    idx = idx.set_levels(level.map(mapping.get), 0)
    return idx[idx.get_level_values(0).notna()].remove_unused_levels()

idx = df.index
fidx = shift_level(idx)

additions = fidx.difference(idx)
deletions = idx[idx.labels[0] > 0].difference(fidx)

pd.Series('+', additions).append(
    pd.Series('-', deletions)).rename('flag').reset_index()

        date  ID flag
0 2011-01-31   2    +
1 2011-01-31   4    +
2 2011-01-31  11    -
3 2011-01-31  22    -

识别 pandas 数据框中各组之间的差异

Identifying differences between groups in pandas dataframe

array-difference

dataframe

pandas