我如何按周和年分组，并根据这一点，将值分配给最初具有 'N' 作为所有值的第三列？

Question

我有一个包含 4 列的数据框。我创建了一个新列并将所有值分配给它 'N'。

假设前两列有一些随机信息，Column3 = Year，Column4 = week No.，现在Column5 =week-ES（初始分配所有'N'）应该等于'Week No.'最近 5 周，并且在此之前的所有周都应等于 'Pastwk'。如何将 group by 与前 5 周子句一起使用？我怎么做？我使用了这段代码，但没有得到想要的结果。期望的结果是下面的 table：

    df.sort_values(['Year','Week No.'],ascending=[False,False],inplace = True)
df['Week-ES'] = 'N'
df = df.groupby(['Year','Week No.']).size()
df['Week-ES'][:5]= df['Week No.'][:5]
#for i in range(5):
#    df.loc[df['Week-ES'].index == i, 'Week-ES'] = df['Week No.'].iloc[i]   
df.iloc[5:]['Week-ES'] = 'Past WK'

Col1	Col2	Year	WeekNo.	Week-ES
v1	v2	2020	48	Recent
v2	v3	2020	47	Recent
v3	v4	2020	47	Recent
v4	v5	2020	46	Recent
v5	v6	2020	40	Pastwk
v6	v7	2019	52	PastWk

Answer 1

想法是将值转换为周期间，减去 5 周，然后根据 Year 和 Week 列的日期时间按周期间进行比较 Series.ge for greater or equal and pass to numpy.where:

last = pd.to_datetime('now').to_period('W') - 5
print (last)
2020-11-09/2020-11-15

s = df['Year'].astype(str).add(df['Week'].astype(str).add('-1'))
dates = pd.to_datetime(s, format='%Y%W-%w').dt.to_period('W')
df['C'] = np.where(dates.ge(last), 'Recent', 'Pastwk')

print (df)
   Year  Week       C
0  2020    48  Recent
1  2020    47  Recent
2  2020    47  Recent
3  2020    46  Recent
4  2020    40  Pastwk
5  2019    52  Pastwk

Answer 2

import datetime
import numpy as np

# Get current week number and current year
current_week = datetime.date.today.isocalendar()[1]
current_year = datetime.datetime.now().year

df['C'] = np.where(((df['Week'] >= current_week - 5) & (df['Year'] == current_year)), 'Recent', 'Pastwk')

然后你必须在 2021 年管理，而你在一月份，因为 current_week 可以 = 1 但最近几周不会是 -5、-4，...但是53、52 等

我如何按周和年分组，并根据这一点，将值分配给最初具有 'N' 作为所有值的第三列？

How do I group by Week and Year, and depending on that, assign values to a third column having 'N' as all values initially?

python

group-by

dataframe

assign

pandas