Python 查找每个组的唯一项目数

我有一个

df

a

看起来像

type    number    date 
1       1         2017-10-01
2       1         2017-10-31
1       2         2017-09-01
1       2         2017-08-01
2       2         2017-06-01

type    number    date         type_2_before_type_1
1       1         2017-10-01   True
2       1         2017-10-31   True
1       2         2017-09-01   False
1       2         2017-08-01   False
2       2         2017-06-01   False

首先，我想按编号分组，并选择每个组需要至少包含一行

type==1

和一行

type==2

的组；为了做到这一点，我首先检查每个组的大小必须大于2

g = A.groupby('number')
B = g.filter(lambda x: len(x) > 1) # df B gets the filter results on g  

但我不知道如何也检查

type

值

1

和

2

是否包含在上述各组中

第二，基于从步骤1中获得的组，我想在

a

中创建一个布尔列，称为

type\u 2\u，在

之前，如果

type 1的最早
date
减去
type 2的最早
date
为每个组的
0
，则赋值为
True
，和
False
否则。因为每组中可能有许多行的
type==1
和许多行的
type==2
（如何获得
g['A'].transform（'min'）
，用于类型1和类型2行？）。因此，结果df
A
如下所示

type    number    date 
1       1         2017-10-01
2       1         2017-10-31
1       2         2017-09-01
1       2         2017-08-01
2       2         2017-06-01

type    number    date         type_2_before_type_1
1       1         2017-10-01   True
2       1         2017-10-31   True
1       2         2017-09-01   False
1       2         2017-08-01   False
2       2         2017-06-01   False

e、 g.对于编号=2的组，类型1的最早日期
2017-08-01
减去类型2的最早日期
2017-06-01
，结果为61天；因此，将
False
设置为
type\u 2\u然后再键入\u 1
对于第一部分，使用
groupby
+
nunique
-

df.groupby('number').type.transform('nunique')

0    2
1    2
2    2
3    2
4    2
Name: type, dtype: int64

df = df[df.groupby('number').type.transform('nunique').gt(1)]

   type  number        date
0     1       1  2017-10-01
1     2       1  2017-10-31
2     1       2  2017-09-01
3     1       2  2017-08-01
4     2       2  2017-06-01


第二部分有点挑战性，但您可以
groupby
，
unstack
，调用
diff
，然后获得一个掩码-

df['type_2_before_type_1'] = \
 df.groupby(['number', 'type'])\
      .first()\
      .unstack()\
      .diff(-1, axis=1)\
      .iloc[:, 0]\
      .reindex(df.number)\
      .astype(int)\
      .lt(0)\
      .values

df

   type  number       date  type_2_before_type_1
0     1       1 2017-10-01                  True
1     2       1 2017-10-31                  True
2     1       2 2017-09-01                 False
3     1       2 2017-08-01                 False
4     2       2 2017-06-01                 False

对于第一部分，使用
groupby
+
nunique
-

df.groupby('number').type.transform('nunique')

0    2
1    2
2    2
3    2
4    2
Name: type, dtype: int64

df = df[df.groupby('number').type.transform('nunique').gt(1)]

   type  number        date
0     1       1  2017-10-01
1     2       1  2017-10-31
2     1       2  2017-09-01
3     1       2  2017-08-01
4     2       2  2017-06-01


第二部分有点挑战性，但您可以
groupby
，
unstack
，调用
diff
，然后获得一个掩码-

df['type_2_before_type_1'] = \
 df.groupby(['number', 'type'])\
      .first()\
      .unstack()\
      .diff(-1, axis=1)\
      .iloc[:, 0]\
      .reindex(df.number)\
      .astype(int)\
      .lt(0)\
      .values

df

   type  number       date  type_2_before_type_1
0     1       1 2017-10-01                  True
1     2       1 2017-10-31                  True
2     1       2 2017-09-01                 False
3     1       2 2017-08-01                 False
4     2       2 2017-06-01                 False

例如，在您的号码2中，如果日期是2017-09-01 2017-02-01 2017-06-01，结果会是什么？@Wen对于编号为
的组，它会将
True
设置为
type_2_，然后再键入_1
，因为
2017-02-01-2017-06-01=-120<0
，例如，在您的号码2中，如果日期是2017-09-01 2017-02-01 2017-06-01，结果会是什么？@Wen对于
number
==2的组，它会将
True
设置为
type_2_，然后再键入_1
，因为
2017-02-01-2017-06-01=-120<0
很好的组，只需要反转掩码。@cᴏʟᴅsᴘᴇᴇᴅ 啊哈，你是对的：-）我借用了你的段落名称：-）@Wen或者干脆用
（I
代替
~（I>j）
？@Wen这个解决方案有一个问题，即对于一个组，它可能没有类型1或类型2，因此运行
g.apply（lambda x:min（x['date'][x.type==1]）
和
g.apply（da x:min（x['date'][x.type==2]）
在确保每组中都有类型1和类型2之前，可能会得到
min（）arg是一个空序列
错误？我应该在op中指出它，sry。很好的一个，只需要反转掩码。@cᴏʟᴅsᴘᴇᴇᴅ 啊哈，你是对的：-）我借用了你的段落名称：-）@Wen或者干脆用
（I
代替
~（I>j）
？@Wen这个解决方案有一个问题，即对于一个组，它可能没有类型1或类型2，因此运行
g.apply（lambda x:min（x['date'][x.type==1]）
和
g.apply（da x:min（x['date'][x.type==2]）
在确保每组中都有类型1和类型2之前，可能会得到
min（）arg是一个空序列
错误？我应该在op，sry中指出它。