Python 在特定日期之前生成熊猫列表的最佳解决方案

我有以下数据帧

    person_id    month  firmid
0   1            20     12
1   1            18     10
2   1            15     13
3   2            18     13
4   2            17     11
5   2            15     13

我有一个不同id（

person\u id

）的人员列表，以及他们在公司工作的月份，以数字的形式。所以id为1的人在20个月内在id为12的公司工作

我想生成一个列表，列出他迄今为止（即当月）工作过的所有公司ID

因此，输出应为：

    person_id    month  firms_worked_at_up_to_current_month
0   1            20     [12,10,13]
1   1            18     [10,13]
2   1            15     [13]
3   2            18     [13,11]
4   2            17     [11,13]
5   2            15     [13]

---

以上只是一个例子。我的实际文件有数百万行，因此我需要一种不涉及循环的高效方法来完成此操作。

如果您可以对数据帧进行排序，则可以执行以下操作：

# sort by person and month
df = df.sort_values(by=['person_id', 'month'])

# create a unitary list
df['firms'] = df.firmid.apply(lambda x: [x])

# apply cumulative transformation
df['firms'] = df.groupby('person_id')['firms'].transform(lambda x: x.cumsum().apply(set))

print(df)

输出

   person_id  month  firmid         firms
2          1     15      13          {13}
1          1     18      10      {10, 13}
0          1     20      12  {10, 12, 13}
5          2     15      13          {13}
4          2     17      11      {11, 13}
3          2     18      13      {11, 13}

---

请注意，

firms

列中的最终结果是一个集合，因为您似乎只需要唯一的值。

Nice。也许您可以按人员id和月份对值进行排序，处理单独的数据帧，然后合并back@BKS很高兴我能帮忙！