Python 列中重复值之间的条件

当每个客户有多个计划时，他们都是重复的。我想设置客户的状态：

如果他们的每个产品都填写了“已取消”，则客户状态将被取消，但如果不是每个产品都填写了“已取消”，但至少有一个，则状态将为“降级”，因为他丢失了一个产品

customer|canceled_at|status
x       |3/27/2018  |
x       |           |
y       |2/2/2018   |
y       |2/2/2018   |
z       |1/1/2018   |
a       |           |      

我已经有取消状态，现在我只需要降级

df['status']=(df.groupby('customer')['canceled_at'].
  transform(lambda x: x.notna().all()).map({True:'canceled'})).fillna(df.status)

---

这里可以比较列中的无缺失值，并按

系列

客户

和进行分组， 对于测试所有值

True

s（所有未缺失）或至少一个未缺失值（任何未缺失），并将其传递给：

或：

---

如果只有

NaN

s组需要转换为

降级

：

mask = df['canceled_at'].notna().groupby(df['customer']).transform('all')
df['status'] = np.where(mask,'canceled','downgrade')
print (df)
  customer canceled_at     status
0        x   3/27/2018  downgrade
1        x         NaN  downgrade
2        y    2/2/2018   canceled
3        y    2/2/2018   canceled
4        z    1/1/2018   canceled
5        a         NaN  downgrade  

---

以下是一种方法：

将熊猫作为pd导入
def选择_状态（已取消）：
c=已取消。计数（）
如果c==0：
状态=“”
elif c==len（已取消）：
状态='已取消'
其他：
状态=‘降级’
返回pd.Series（状态，索引=已取消索引）
df=pd.DataFrame（{'customer'：['x'，'x'，'y'，'y'，'z'，'a']，
‘取消日期’：[‘2018年3月27日’，无、‘2018年2月2日’、‘2018年2月2日’、‘2018年1月1日’，无]）
df['status']=df.groupby（'customer'）['cancelled'u at'].应用（选择状态）
打印（df）

输出：

客户已取消\u状态
0 x 2018年3月27日降级
1 x无降级
2018年2月2日取消
2018年2月2日取消
4 z 2018年1月1日取消
5 a无

g = df['canceled_at'].notna().groupby(df['customer'])
m1 = g.transform('all')
m2 = g.transform('any')

df['status'] = np.select([m1, m2],['canceled','downgrade'], np.nan)
print (df)
  customer canceled_at     status
0        x   3/27/2018  downgrade
1        x         NaN  downgrade
2        y    2/2/2018   canceled
3        y    2/2/2018   canceled
4        z    1/1/2018   canceled
5        a         NaN        nan

df['status'] = np.select([m1, m2],['canceled','downgrade'], '')
print (df)
  customer canceled_at     status
0        x   3/27/2018  downgrade
1        x         NaN  downgrade
2        y    2/2/2018   canceled
3        y    2/2/2018   canceled
4        z    1/1/2018   canceled
5        a         NaN         

mask = df['canceled_at'].notna().groupby(df['customer']).transform('all')
df['status'] = np.where(mask,'canceled','downgrade')
print (df)
  customer canceled_at     status
0        x   3/27/2018  downgrade
1        x         NaN  downgrade
2        y    2/2/2018   canceled
3        y    2/2/2018   canceled
4        z    1/1/2018   canceled
5        a         NaN  downgrade