Python 根据计数和来自另一数据帧的条件创建新列 问题

我有一个数据帧

df

，产品如下：

ID  DATE        TYPE    Client_ID
1   2015-01-15  A       johndoe
2   2009-01-15  C       johndoe
3   2015-03-12  C       johndoe
4   2010-01-01  B       johndoe
5   2017-01-01  B       johndoe
6   2018-01-01  A       markdoe
7   2019-01-01  C       johndoe
8   2012-01-01  C       markdoe

在此基础上，我创建了一个仅包含a型产品的数据框，

df-a

：

ID  DATE        TYPE    Client_ID
1   2015-01-15  A       johndoe
6   2018-01-01  A       markdoe

我想要创建的是

df-A

2个变量，用于计算客户拥有的日期低于或等于所分析A产品的B型和C型产品的数量。 我想要的结果是：

ID  DATE        TYPE    Client_ID   NB-B    NB-C
1   2015-01-15  A       johndoe     1       1
6   2018-01-01  A       markdoe     0       1

---

第一行的

NB-B

是1，因为

johndoe

有两个B-products，但只有一个有

Date让我们试试pivot\u表并加入：

# extract the A types
aType = df.TYPE.eq('A')
s = df[aType].set_index('Client_ID')

(df[~aType].assign(valid=lambda x: x['DATE'].le(x['Client_ID'].map(s['DATE'])).astype(int))
   .pivot_table(index='Client_ID',columns='TYPE',
                values='valid', aggfunc='max',
                fill_value=0)
   .add_prefix('NB_')
   .join(s)
   .reset_index()
)

输出：

  Client_ID  NB_B  NB_C  ID        DATE TYPE
0   johndoe     1     1   1  2015-01-15    A
1   markdoe     0     1   6  2018-01-01    A

你可以尝试使用

Pandas.Series.str.count("string") 

提取要作为序列号计数的列，然后应用
serie.str.count（“要查找的字符串”）

您可以使用循环获取“Client_ID”系列中的所有名称

这将计算“客户ID”列中出现的所有“johndoe”
非常感谢您的回答！然而，我仍然面临一个问题。我编辑了我的原始帖子，以显示更多细节并解释我无法解决的问题。这与我已经尝试过的解决方案类似。这可能会起作用，但要在每个
df-A
行上循环，并且每次从
df
中分离出一个子数据帧，然后进行计数，这就太长了
ID  DATE        TYPE    Client_ID   NB-A   NB-B    NB-C
1   2015-01-15  A       johndoe     1      1       1
6   2018-01-01  A       johndoe     2      2       3

# extract the A types
aType = df.TYPE.eq('A')
s = df[aType].set_index('Client_ID')

(df[~aType].assign(valid=lambda x: x['DATE'].le(x['Client_ID'].map(s['DATE'])).astype(int))
   .pivot_table(index='Client_ID',columns='TYPE',
                values='valid', aggfunc='max',
                fill_value=0)
   .add_prefix('NB_')
   .join(s)
   .reset_index()
)

  Client_ID  NB_B  NB_C  ID        DATE TYPE
0   johndoe     1     1   1  2015-01-15    A
1   markdoe     0     1   6  2018-01-01    A

Pandas.Series.str.count("string") 

series = df["Client_ID"] 
  
count = series.str.count("johndoe")