Pandas: 如何根据另一列添加分组变量？

Question

我有一个包含一些 ID 和一些日期的数据框。我希望能够根据日期的变化对 id 进行分组，以创建一个通用的“grouping_variable”。在 r 我会这样做：

df <- tibble(id = c(rep("1", 4), rep("2", 4), rep("3", 4)),
             dates = as_date(c('2022-02-07', '2022-02-07', '2022-02-08', '2022-02-08',
                         '2022-02-09', '2022-02-09', '2022-02-10', '2022-02-10', 
                         '2022-02-11', '2022-02-11', '2022-02-11', '2022-02-11')))

df <- df %>% group_by(id) %>% mutate(grouping_var = match(dates, unique(dates)))

基本上，此代码按 id 分组，然后在组内，为每个唯一日期分配一个值，然后将值与实际日期连接，从而产生具有这些值的列：1 1 2 2 1 1 2 2 1 1 1 1

在 Python/ pandas 中，我找不到与匹配函数等效的函数。有人知道怎么做吗？

这是 Python 中的一些示例数据：

d = {'user' : ["1", "1", "1", "1", "2", "2", "2", "2", "3", "3", "3", "3"],
    'dates' : ['2022-02-07', '2022-02-07', '2022-02-08', '2022-02-08',
                         '2022-02-09', '2022-02-09', '2022-02-10', '2022-02-10', 
                         '2022-02-11', '2022-02-11', '2022-02-11', '2022-02-11'],
    'hoped_for_output' : [1, 1, 2, 2, 1, 1, 2, 2, 1, 1, 1, 1]}

example_df = pd.DataFrame(data = d)

非常感谢！

Answer 1

按'user'

分组后，我们可能会使用factorize

d['hoped_for_output'] = d.groupby(['user'])['dates'].transform(lambda x: pd.factorize(x)[0]) + 1

-输出

d
 user   dates   hoped_for_output
0   1   2022-02-07  1
1   1   2022-02-07  1
2   1   2022-02-08  2
3   1   2022-02-08  2
4   2   2022-02-09  1
5   2   2022-02-09  1
6   2   2022-02-10  2
7   2   2022-02-10  2
8   3   2022-02-11  1
9   3   2022-02-11  1
10  3   2022-02-11  1
11  3   2022-02-11  1

数据

d = pd.DataFrame(d)

Answer 2

看到它与 datar 一起实施可能会很有趣？

>>> from datar.all import f, c, rep, as_date, tibble, group_by, mutate, match, unique
>>> df = tibble(
...     id=c(rep("1", 4), rep("2", 4), rep("3", 4)),
...     dates=as_date(
...         c(
...             "2022-02-07",
...             "2022-02-07",
...             "2022-02-08",
...             "2022-02-08",
...             "2022-02-09",
...             "2022-02-09",
...             "2022-02-10",
...             "2022-02-10",
...             "2022-02-11",
...             "2022-02-11",
...             "2022-02-11",
...             "2022-02-11",
...         )
...     ),
... )
>>> df >> group_by(f.id) >> mutate(grouping_var=match(f.dates, unique(f.dates)) + 1)
         id            dates  grouping_var
   <object> <datetime64[ns]>       <int64>
0         1       2022-02-07             1
1         1       2022-02-07             1
2         1       2022-02-08             2
3         1       2022-02-08             2
4         2       2022-02-09             1
5         2       2022-02-09             1
6         2       2022-02-10             2
7         2       2022-02-10             2
8         3       2022-02-11             1
9         3       2022-02-11             1
10        3       2022-02-11             1
11        3       2022-02-11             1
[TibbleGrouped: id (n=3)]

Pandas: 如何根据另一列添加分组变量？

Pandas: How to add a grouping variable based upon another column?

python

grouping

r

pandas

数据