Python 3.x 如何在dataframe中为每个唯一id执行操作？

我有一个数据框，看起来像这样：

[id  purchase_date]
[1   1-1-19       ]
[1   1-4-19       ]
[2   1-3-19       ]
[3   1-5-19       ]
[1   1-10-19      ]
[...              ]

我想添加一列并应用一个条件，该条件将执行以下操作： 对于每个id，从今天的日期中减去最长日期。这意味着“非活动日”。生成的表应如下所示（注意，20显示3次，而用户1在此表中显示3次）：

今天的日期=2019年1月30日（1-30-19）

---

在pandas中如何执行此操作？

您可以使用

groupby

和

transform

：

import pandas as pd

# Make sure that purchase date is a proper datetime column:
df['purchase_date'] = pd.to_datetime(df['purchase_date'])

# Define todays_date variable:
todays_date = pd.to_datetime("1-30-19")

# group by id, and transform the `purchase_date` column with an anonymous function
df['inactivity_days'] = df.groupby('id').purchase_date.transform(lambda x: (todays_date - x.max()).days)

In [7]: df                                                                                                                                                                                                         
Out[7]: 
   id purchase_date  inactivity_days
0   1    2019-01-01               20
1   1    2019-01-04               20
2   2    2019-01-03               27
3   3    2019-01-05               25
4   1    2019-01-10               20

---

您可以使用

groupby

和

transform

：

import pandas as pd

# Make sure that purchase date is a proper datetime column:
df['purchase_date'] = pd.to_datetime(df['purchase_date'])

# Define todays_date variable:
todays_date = pd.to_datetime("1-30-19")

# group by id, and transform the `purchase_date` column with an anonymous function
df['inactivity_days'] = df.groupby('id').purchase_date.transform(lambda x: (todays_date - x.max()).days)

In [7]: df                                                                                                                                                                                                         
Out[7]: 
   id purchase_date  inactivity_days
0   1    2019-01-01               20
1   1    2019-01-04               20
2   2    2019-01-03               27
3   3    2019-01-05               25
4   1    2019-01-10               20