Python 熊猫按组检查未来状况

我试图通过在数据中的未来日期是否出现条件来标记每一行。这种情况过去是否发生过并不重要。此外，我正在尝试按组执行此标记

一个直观的思考方式是，是否有人会在未来的某个日期购买裤子

id      date        item
1    2000-01-01     'foo'
1    2000-01-02     'pants'
1    2000-01-03     'bar'
2    2000-01-02     'organ'
2    2000-02-01     'beef'
3    2000-01-01     'pants'
3    2000-01-10     'oranges'
3    2000-02-20     'pants'

反过来会变成：

id      date        item      will_buy_pants
1    2000-01-01     'foo'          1
1    2000-01-02     'pants'        0
1    2000-01-03     'bar'          0
2    2000-01-02     'organ'        0
2    2000-02-01     'beef'         0
3    2000-01-01     'pants'        1
3    2000-01-10     'oranges'      1
3    2000-02-20     'pants'        0

编辑：

---

这不是一个预测问题。是否有人会买裤子已经在数据中表达出来了。我只想在每一排都挂一面旗子。

啊，我很抱歉——今天我很疏忽。所以这是有效的，我想你想做什么就做什么，使用pandas groupby和apply

首先，生成第二个数据帧，其中包含两个索引-item和id，以及每个组合的最大日期：

gd = pd.DataFrame(df.groupby(['item','id'])['date'].max())

这就是此数据帧的外观：

In [5]: gd
Out[5]: 
                   date
item      id           
'bar'     1  2000-01-03
'beef'    2  2000-02-01
'foo'     1  2000-01-01
'oranges' 3  2000-01-10
'organ'   2  2000-01-02
'pants'   1  2000-01-02
          3  2000-02-20

使用groupby定义一个函数，检查它是否在将来购买。它有两个参数-数据帧的行和上面分组的数据帧。您可以在每个函数调用内部进行分组，也可以将其移动到外部

def check_pants(row,gd):
    if row.id in gd.loc["'pants'"].index.values and \
        row.date < gd.loc["'pants'",row.id].date:
            return 1
    else:
        return 0

抱歉，我做了这么多编辑。

安装程序 解决方案 我正在使用嵌套的

apply

def check_future_pants(x, df):
    date_condition = x.date < df.date
    pant_condition = df.item == "'pants'"
    return (date_condition & pant_condition).any()

def check_df_pants(df):
    return df.apply(lambda x: check_future_pants(x, df), axis=1)

df['will_buy_pants'] = df.groupby('id', group_keys=False).apply(check_df_pants)

这适用于一个组，但我所做的检查适用于

数据帧

，因此我使用另一个检查功能

check\u df\u pants

执行嵌套的

apply

df['will_buy_pants'] = df.groupby('id', group_keys=False).apply(check_df_pants)
pring df

   id       date       item will_buy_pants
0   1 2000-01-01      'foo'           True
1   1 2000-01-02    'pants'          False
2   1 2000-01-03      'bar'          False
3   2 2000-01-02    'organ'          False
4   2 2000-02-01     'beef'          False
5   3 2000-01-01    'pants'           True
6   3 2000-01-10  'oranges'           True
7   3 2000-02-20    'pants'          False

---

是否要随机分配

0

和

1

？；）你有什么预测算法吗？@MaxU看起来像是如果“item”列在后续索引上有“pants”，1。当你看到裤子时重新开始。最后一个应该是零。@ayhan，我不确定。。。所以，让我们等到事情弄清楚，或者有人会猜到OP真正想要什么；）很抱歉我认为我的表述不清楚。我只是想看看未来的行来解决这个问题。我没有使用分类器。在本例中，我们讨论的是函数check\u if\u will\u buy\u pants中的代码。例如，您可以按项目分组并检查行数，即，如果大于1，则它将在将来购买。这样行吗？我可以更改函数以反映它。

def check_future_pants(x, df):
    date_condition = x.date < df.date
    pant_condition = df.item == "'pants'"
    return (date_condition & pant_condition).any()

def check_df_pants(df):
    return df.apply(lambda x: check_future_pants(x, df), axis=1)

df['will_buy_pants'] = df.groupby('id', group_keys=False).apply(check_df_pants)

# Let's start with a sub-group
df1 = df[df.id == 1].copy()

print df1.apply(lambda x: check_future_pants(x, df1), axis=1)

0     True
1    False
2    False
dtype: bool

df['will_buy_pants'] = df.groupby('id', group_keys=False).apply(check_df_pants)
pring df

   id       date       item will_buy_pants
0   1 2000-01-01      'foo'           True
1   1 2000-01-02    'pants'          False
2   1 2000-01-03      'bar'          False
3   2 2000-01-02    'organ'          False
4   2 2000-02-01     'beef'          False
5   3 2000-01-01    'pants'           True
6   3 2000-01-10  'oranges'           True
7   3 2000-02-20    'pants'          False