Python 根据同一列的值设置列

我有以下数据帧：

userid       date
  1        2010-01-03
  2        2009-01-04
  3        2004-02-03
  1        2007-01-01

我想创建一个列，如果在另一行中有另一个日期更早的类似用户ID，则该列将输出true。i、 e

userid       date        userid_seen
  1        2010-01-03        t
  2        2009-01-04        f
  3        2004-02-03        f
  1        2007-01-01        f  

---

如何操作？

这将通过调用

apply

并传递参数

axis=1

来按行应用：

In [88]:

def func(x):
    if len(df.loc[(df['userid'] == x.userid) & (df['date'] != x.date), 'date']) > 0:
        return (df.loc[(df['userid'] == x.userid) & (df['date'] != x.date), 'date'] < x.date).values.max()
    return False
df['user_id_seen'] = df.apply(lambda row: func(row), axis=1)
df
Out[88]:
   userid       date user_id_seen
0       1 2010-01-03         True
1       2 2009-01-04        False
2       3 2004-02-03        False
3       1 2007-01-01        False

[88]中的

def func（x）：
如果len（df.loc[（df['userid']=x.userid）&（df['date']！=x.date），'date']）>0:
返回（df.loc[（df['userid']==x.userid）&（df['date']！=x.date），'date']

更新

尽管上述方法有效，但正如@MattiJohn正确指出的那样，对于大型数据帧来说，它的速度会很慢，因为它可以有效地迭代每一行

以下是与@MattiJohn的答案类似的更简洁的答案：

In [102]:

df['user_id_seen'] = df.groupby('userid')['date'].transform('min') < df.date
df
Out[102]:
   userid       date user_id_seen
0       1 2010-01-03         True
1       2 2009-01-04        False
2       3 2004-02-03        False
3       1 2007-01-01        False

[102]中的

df['user\u id\u seen']=df.groupby（'userid'）['date'].transform（'min'）

我这样做的方法是计算每个用户ID的最早日期，然后检查该行是否有较新的日期。假设

df

是您的数据帧：

min_date = pd.DataFrame(df.groupby('userid')['date'].agg({'min_date': min}))
df = df.merge(min_date, left_on='userid', right_index=True)
df['userid_seen'] = df.date > df.min_date
df = df[['userid', 'date', 'userid_seen']]  # get rid of the 'min_date' column

---

这将在大型数据帧上执行得非常糟糕，因为您要为每行执行两个切片操作。一般来说，在整个数据帧上做事情比迭代更好，因为这样你就可以利用numpy的优化功能了。@MattiJohn我同意，我认为你的答案更好，这是mehmm在664098行中给出的更好的答案，10分钟后处理仍然没有完成。有什么想法吗？@goh groupby操作可能会非常慢，加上这会返回一个序列，其索引与原始数据帧对齐，我并不感到惊讶