Python 按ID分组并对一列的值应用条件

我是熊猫图书馆的新手，非常感谢您的帮助。 这是我的意见

身份证件 日期 标签 股票 AA 01/26/2020 正确 100 AA 01/27/2020 错误的 200 BB 01/28/2020 错误的 300 BB 01/29/2020 正确 500 BB 01/30/2020 错误的 100 科科斯群岛 01/26/2020 正确 200 科科斯群岛 01/27/2020 错误的 300 科科斯群岛 01/28/2020 错误的 100 科科斯群岛 01/29/2020 正确 400

---

将双布尔值与

.duplicated（）

---

查看每一个布尔值，我们只需要两者都为真的值

df.assign(ky1=df['LABEL'].eq(True),
         ky2=df.duplicated(subset=['ID'],keep='last')
         )


   ID        DATE  LABEL  STOCK    NEW    ky1    ky2
0  AA  01/26/2020   True    100  100.0   True   True
1  AA  01/27/2020  False    200    NaN  False  False
2  BB  01/28/2020  False    300    NaN  False   True
3  BB  01/29/2020   True    500  500.0   True   True
4  BB  01/30/2020  False    100    NaN  False  False
5  CC  01/26/2020   True    200  200.0   True   True
6  CC  01/27/2020  False    300    NaN  False   True
7  CC  01/28/2020  False    100    NaN  False   True
8  CC  01/29/2020   True    400    NaN   True  False

---

另一个版本，使用

.groupby（）

：

印刷品：

ID日期标签库存新
0 AA 01/26/2020真实100.0
1 AA 01/27/2020假200南
2 BB 01/28/2020假300南
3 BB 01/29/2020真实500.0
4 BB 01/30/2020假100 NaN
5 CC 01/26/2020真实200.0
6 CC 01/27/2020假300南
7 CC 01/28/2020假100 NaN
8 CC 01/29/2020真实400 NaN

到目前为止，您尝试了什么？您的代码是什么样子的？我尝试了groupby和apply，后来又尝试了transform，但我无法编写lambda函数。看起来您希望使用groupby ID，然后使用运算符“groupby.first”。这将为您提供所需的数据帧。

df.assign(ky1=df['LABEL'].eq(True),
         ky2=df.duplicated(subset=['ID'],keep='last')
         )


   ID        DATE  LABEL  STOCK    NEW    ky1    ky2
0  AA  01/26/2020   True    100  100.0   True   True
1  AA  01/27/2020  False    200    NaN  False  False
2  BB  01/28/2020  False    300    NaN  False   True
3  BB  01/29/2020   True    500  500.0   True   True
4  BB  01/30/2020  False    100    NaN  False  False
5  CC  01/26/2020   True    200  200.0   True   True
6  CC  01/27/2020  False    300    NaN  False   True
7  CC  01/28/2020  False    100    NaN  False   True
8  CC  01/29/2020   True    400    NaN   True  False

m = df.index.isin(
    df[df["LABEL"] == True].reset_index().groupby("ID").index.first()
)
df.loc[m, "NEW"] = df.loc[m, "STOCK"]
print(df)