Python 使用熊猫标记分组数据集中的最后一组行

编辑：鉴于下面建议的

df.assign（Flag=1-df.duplicated（['id'，'quarter'，'lot']，keep='last'））方法，下面的问题

 index   mkid     ordernumber quarter lotnumber1 order_xldate  Flag
441670  10176228  0108595504  2015Q2    12947-1   2015-04-09     0
441211  10176228  0108663905  2015Q2    12947-1   2015-04-29     1
450008  10176228  0108663905  2015Q2     129161   2015-04-29     1
440268  10176228  0108779992  2015Q2    12987-1   2015-05-29     0
448187  10176228  0108779992  2015Q2    12848-1   2015-05-29     1
439085  10176228  0108895691  2015Q2    12987-1   2015-06-29     1
446123  10176228  0108895691  2015Q2    12965-1   2015-06-29     1
419419  10176228  0109003405  2015Q3    12969-1   2015-07-27     1
429893  10176228  0109003405  2015Q3    12987-1   2015-07-27     1
426850  10176228  0109241988  2015Q3      13929   2015-09-15     1
384762  10176228  0109385611  2015Q4     K10127   2015-10-09     1

标志
字段应用于给定季度的每个
订单号
，而不是上一个
订单号
。因此，如上所述，对于
2015Q2
，
标志
应该只针对
订单号0108895691


以前的帖子：

我目前有一个销售订单数据集，其中每个
ordernumber
被分成若干批次（即
lot1
，
lot2
，等等）。因此，每个
订单号可能有不同的行。其他相关列为账户
id
和
季度
（即2018Q2）。对于每个给定的
季度中的每个给定
id
，我想使用Pandas/Python对该季度中最后一批订单的所有批次应用一个标志。有什么建议吗

目前有：

masterDF['FLAG'] = masterDF.groupby(by=['id','quarter'],as_index=False)['ordernumber'].nth(-1)
masterDF['LAST_ORDER_OF_QUARTER'] = np.where(masterDF['FLAG'].isnull(),0,1)

但这只会在id/quarter/order组合的最后一行上加1，如果ordernumber出现在多行上，则不会在给定订单内的所有行上加1

我想要的输出是在两批
orderB

id   |   quarter   |   ordernumber   |   lot      |    Last Order of Quarter
----------------------------------------------------------------------------
A    |   2018Q1    |   orderA        |   lot1     |     0
A    |   2018Q1    |   orderB        |   lot1     |     1
A    |   2018Q1    |   orderB        |   lot2     |     1

而不是：

id   |   quarter   |   ordernumber   |   lot      |    Last Order of Quarter
----------------------------------------------------------------------------
A    |   2018Q1    |   orderA        |   lot1     |     0
A    |   2018Q1    |   orderB        |   lot1     |     0
A    |   2018Q1    |   orderB        |   lot2     |     1

有什么建议吗？
使用重复的

df.assign(Flag=1 - df.duplicated(['id', 'quarter', 'lot'], keep='last'))

  id quarter ordernumber   lot  Flag
0  A  2018Q1      orderA  lot1     0
1  A  2018Q1      orderB  lot1     1
2  A  2018Q1      orderB  lot2     1


同样的事情

df.assign(**{'Last Order': 1 - df.duplicated(['id', 'quarter', 'lot'], keep='last')})

  id quarter ordernumber   lot  Last Order
0  A  2018Q1      orderA  lot1           0
1  A  2018Q1      orderB  lot1           1
2  A  2018Q1      orderB  lot2           1

groupby对象提供了一个方便的表，可以将其合并回主表中。将该表上的“Last Order”指定给1，将其合并到main，并用0填充NaN

new = df.groupby(['id', 'quarter']).nth(-1)
del new['lot']
new['Last Order'] = 1
df = pd.merge(df, new, how='left').fillna(0)

这使得：

    id  quarter ordernumber lot value
0   a   2018Q1  orderA  lot1    0.0
1   a   2018Q1  orderA  lot2    0.0
2   a   2018Q1  orderB  lot1    1.0
3   b   2018Q1  orderC  lot2    0.0
4   b   2018Q1  orderD  lot1    1.0
5   b   2018Q1  orderD  lot2    1.0

抱歉：我希望
orderB
的
lot1
和
lot2
上的最后一个订单标志都是1：看起来这与我现在拥有的一致，并且只将1放在最后一行，而不是前一行。不要认为这有效：获得了
值错误：传递的项目数错误57，放置意味着1
当我放入时：
masterDF['TEMP\u COL\u id']=masterDF.assign（**{'Last Order'：1-masterDF.duplicated（['id'，'quarter'，'lot']，keep='Last'））
assign返回一个数据帧。您试图将整个数据帧填充到一列中。只需执行masterDF=我编写的任何操作。我不认为这样做有效，它仍然会在每个订单的最后一行中输入1，而不管它是否是本季度的最后一个订单。所以，在上面的例子中，在这个代码中，订单A得到了1。这行吗？这和我现在拥有的有什么不同？我想id
b
会有
orderC
或
orderD
…对不起，我没有意识到单独的id会有单独的订单。在上面的编辑中进行了澄清。我仍然得到
ValueError:传递的项目数错误56，位置意味着1
--有什么建议吗？您可以共享一个小数据框来显示该错误吗？代码正在处理我的小型虚拟数据帧，但我可能缺少一些关于df的假设。