Python 3.x 如何使用groupby max在dataframe中创建新列

我有下面这样的数据框架，我想应用下面提到的sql逻辑

df.head(25)

ORDER_ID    CODE    STATUS_DATE                       RNK
19837715    0400    22/10/19 08:11:08.000000000 AM GMT  2
19837715    0400    22/10/19 10:00:03.000000000 AM GMT  1
19837715    0400    22/10/19 10:47:08.000000000 AM GMT  3
19837715    0500    22/10/19 10:00:00.000000000 AM GMT  1
19837715    1100    01/11/19 10:02:00.000000000 AM GMT  1
19837715    1240    02/11/19 08:00:00.000000000 AM GMT  1
19837833    0400    22/10/19 08:13:09.000000000 AM GMT  3
19837833    0400    22/10/19 08:22:09.000000000 AM GMT  4
19837833    0400    23/10/19 04:30:10.000000000 AM GMT  1
19837833    0400    23/10/19 09:30:07.000000000 PM GMT  2
19837833    0500    23/10/19 01:08:00.000000000 AM GMT  1
19837833    0500    23/10/19 04:30:00.000000000 AM GMT  3
19840750    0500    23/10/19 12:30:00.000000000 PM GMT  1
19840750    1100    01/11/19 10:06:02.000000000 AM GMT  1
19840750    1240    02/11/19 08:40:05.000000000 AM GMT  1
19840750    1305    05/11/19 07:21:03.000000000 AM GMT  2
19840750    1305    05/11/19 08:22:03.000000000 AM GMT  1
19840750    1400    09/11/19 06:13:12.000000000 AM GMT  3

我想在这个数据帧上应用下面的sql逻辑

select
    order_id
    , TRUNC(MAX(decode(df.code, '0400', STATUS_DATE, Null))) act_0400
    , TRUNC(MAX(decode(df.code, '0500', STATUS_DATE, Null))) act_0500
from
    dataframe df  
where 
      df.rnk =1 
group by    
    order_id

在这里，我试图创建新列act_0400和act_0500，方法是从状态日期列中获取条件秩=1的最大日期值，并根据订单id对它们进行分组

预期产出

ORDER_ID    ACT_0400    ACT_0500
19837715    22/10/2019  22/10/2019
19837833    23/10/2019  23/10/2019
19840750                23/10/2019

    ORDER_ID    ACT_400     ACT_500
0   19837715    22/10/19    22/10/19
1   19837833    23/10/19    23/10/19
2   19840750        NaN     23/10/19

如何在熊猫中实现这一点

您可以按以下操作

a = df.loc[df['RNK']==1 & (df['CODE']==400) | (df['CODE']==500)]
a.pivot(index="ORDER_ID", columns="CODE", values="STATUS_DATE").add_prefix('ACT_').reset_index().rename_axis(None, axis=1)

输出

ORDER_ID    ACT_0400    ACT_0500
19837715    22/10/2019  22/10/2019
19837833    23/10/2019  23/10/2019
19840750                23/10/2019

    ORDER_ID    ACT_400     ACT_500
0   19837715    22/10/19    22/10/19
1   19837833    23/10/19    23/10/19
2   19840750        NaN     23/10/19

你可以做如下的事情

a = df.loc[df['RNK']==1 & (df['CODE']==400) | (df['CODE']==500)]
a.pivot(index="ORDER_ID", columns="CODE", values="STATUS_DATE").add_prefix('ACT_').reset_index().rename_axis(None, axis=1)

输出

ORDER_ID    ACT_0400    ACT_0500
19837715    22/10/2019  22/10/2019
19837833    23/10/2019  23/10/2019
19840750                23/10/2019

    ORDER_ID    ACT_400     ACT_500
0   19837715    22/10/19    22/10/19
1   19837833    23/10/19    23/10/19
2   19840750        NaN     23/10/19

以下是一种方法：

codes = [400, 500]
df1 = (df
     .query("CODE in @codes and RNK == 1")
     .groupby(['ORDER_ID','CODE'])['STATUS_DATE']
     .first()
     .unstack())

# fix column names
df1.columns.name = None
df1 = df1.add_prefix('ACT_').reset_index()

   ORDER_ID     ACT_400     ACT_500
0  19837715  2019-10-22  2019-10-22
1  19837833  2019-10-23  2019-10-23
2  19840750         NaN  2019-10-23

以下是一种方法：

codes = [400, 500]
df1 = (df
     .query("CODE in @codes and RNK == 1")
     .groupby(['ORDER_ID','CODE'])['STATUS_DATE']
     .first()
     .unstack())

# fix column names
df1.columns.name = None
df1 = df1.add_prefix('ACT_').reset_index()

   ORDER_ID     ACT_400     ACT_500
0  19837715  2019-10-22  2019-10-22
1  19837833  2019-10-23  2019-10-23
2  19840750         NaN  2019-10-23

---

您可以首先使用将状态日期转换为日期时间，然后使用过滤，最后使用聚合重新整形，最后使用清理数据，以及：

---

您可以首先使用将状态日期转换为日期时间，然后使用过滤，最后使用聚合重新整形，最后使用清理数据，以及：

---

逻辑并不完全清楚。你能解释一下你想做什么吗？另外，您是否也可以发布给定数据帧的预期输出？@Moys，我已经更新了预期输出。在这里，我试图创建新的列

act_0400

和

act_0500

，方法是从状态日期列中获取条件秩=1的最大日期值，并根据顺序id对它们进行分组。逻辑不完全清楚。你能解释一下你想做什么吗？另外，您是否也可以发布给定数据帧的预期输出？@Moys，我已经更新了预期输出。在这里，我试图创建新的列

act_0400

和

act_0500

，方法是从条件秩=1的状态日期列中获取最大日期值，并根据订单id对它们进行分组