Python 当同一日期出现多条消息时，我如何将第一条消息标记为已诱导？

我有一个汽车维修信息的大数据框。我正在尝试清除此数据并删除所有诱发的消息

无论何时出现汽车信息44，我的代码都会标记所有同时出现的信息。我正在尝试反转我的逻辑，以便任何时候消息44与另一条消息一起出现时，它都被标记为诱导

我对它进行了过滤，因此任何日期出现的第一条消息都将是消息44

我的代码如下：

df['MsgCat'] = 'New'
for i in range(1,len(df)):
    if df['MsgCat'].iloc[i] == 'New':
        if df['CarSerial'].iloc[i] == df['CarSerial'].iloc[i-1]:
            if df['Date'].iloc[i] == df['Date'].iloc[i-1]:
               df['MsgCount'].iloc[i] = df['MsgCount'].iloc[i-1] + 1
               if df['MsgId'].iloc[i-((df['MsgCount'].iloc[i])-1)] == 1:
                  df['MsgCat'].iloc[i] = 'Induced'   
            else:
                df['MsgCount'].iloc[i] = 1
        else:
            df['MsgCount'].iloc[i] = 1
    else:
        df['MsgCount'].iloc[i] = 1    

输出：

CarSerial     Date          MessageNum       MsgId     MsgCount   MsgCat
015           10/14/2015    44               1         1          New
015           10/14/2015    21               2         2          Induced
015           10/14/2015    22               3         3          Induced
015           10/20/2015    30               5         1          New
022           5/1/2015      44               1         1          New 
022           7/10/2015     44               1         1          New 
022           1/4/2016      44               1         1          New
141           1/10/2016     17               9         1          New
141           1/10/2016     18               10        2          New
008           1/21/2016     44               1         1          New
008           2/4/2016      44               1         1          New
008           2/4/2016      30               5         2          Induced
008           2/4/2016      31               6         3          Induced

期望输出：

CarSerial     Date          MessageNum       MsgId     MsgCount   MsgCat
015           10/14/2015    44               1         1          Induced
015           10/14/2015    21               2         2          New
015           10/14/2015    22               3         3          New
015           10/20/2015    30               5         1          New
022           5/1/2015      44               1         1          New 
022           7/10/2015     44               1         1          New 
022           1/4/2016      44               1         1          New
141           1/10/2016     17               9         1          New
141           1/10/2016     18               10        2          New
008           1/21/2016     44               1         1          New
008           2/4/2016      44               1         1          Induced
008           2/4/2016      30               5         2          New
008           2/4/2016      31               6         3          New

---

提前谢谢

仅仅颠倒逻辑是不够的：当您发现消息44是诱导的时，您已经传递了它。您有两个基本选择：

保存最近消息的索引和日期44。当您发现另一条消息时，如果日期匹配，请将该消息标记为已导入。无论哪种方式，重置（清除）持有的索引和日期

从列表的末尾开始工作。始终保存最近的日期（上一条消息）。每次你点击44条信息，只需检查日期是否与前一条匹配。如果是，则将此标记为诱导

好的拼图

按

CarSerial

和

Date

对行进行分组。对于每个组，通过向名为

changes

的字典中添加一个项目，记录组中是否有44的

MessageNum

，以及是否有多行。字典中的项由一个基于

dict

类的类组成，该类将“诱导”赋值给44，将“新”赋值给其他所有项。因此，任何符合条件的组都将由

changes

字典中的一项表示，该项为必须更改的记录指定所需的

MsgCat

标签。如果需要，使用

change\u

功能检查每一行的内容，方法是在

changes

中查找每一行，并为这两个记录（包括

changes

和所有其他记录）分配一个结果

>>> import pandas as pd
>>> df = pd.read_csv('cars.csv', sep='\s+')
>>> df
    CarSerial        Date  MessageNum  MsgId  MsgCount
0          15  10/14/2015          44      1         1
1          15  10/14/2015          21      2         2
2          15  10/14/2015          22      3         3
3          15  10/20/2015          30      5         1
4          22    5/1/2015          44      1         1
5          22   7/10/2015          44      1         1
6          22    1/4/2016          44      1         1
7         141   1/10/2016          17      9         1
8         141   1/10/2016          18     10         2
9           8   1/21/2016          44      1         1
10          8    2/4/2016          44      1         1
11          8    2/4/2016          30      5         2
12          8    2/4/2016          31      6         3
>>> grouping = df.groupby(df['CarSerial'].apply(lambda n: str(n)) + ' ' + df['Date'])
>>> class Once(dict):
...     def __missing__(self, key):
...         return 'New'
...     
>>> once = Once()
>>> once[44] = 'Induced'
>>> def change_if_need_be(row):
...     key = str(row['CarSerial'])+' '+row['Date']
...     if key in changes:
...         return changes[key][row['MessageNum']]
...     else:
...         return 'New'
...     
>>> changes = {}
>>> for g in grouping:
...     if any(g[1].MessageNum == 44) and g[1].MessageNum.count()>1:
...         changes[g[0]] = once
... 
>>> df['MsgCat'] = df.apply(change_if_need_be, axis=1)
>>> df
    CarSerial        Date  MessageNum  MsgId  MsgCount   MsgCat
0          15  10/14/2015          44      1         1  Induced
1          15  10/14/2015          21      2         2      New
2          15  10/14/2015          22      3         3      New
3          15  10/20/2015          30      5         1      New
4          22    5/1/2015          44      1         1      New
5          22   7/10/2015          44      1         1      New
6          22    1/4/2016          44      1         1      New
7         141   1/10/2016          17      9         1      New
8         141   1/10/2016          18     10         2      New
9           8   1/21/2016          44      1         1      New
10          8    2/4/2016          44      1         1  Induced
11          8    2/4/2016          30      5         2      New
12          8    2/4/2016          31      6         3      New

编辑：我想到了一种运行更快的改进方法

将函数更改为此

>>> def change_if_need_be(row):
...     key = str(row['CarSerial'])+' '+row['Date']
...     if key in changes:
...         return once[row['MessageNum']]
...     else:
...         return 'New'
... 

Change

将

从一个

dict

更改为这样的列表

>>> changes = []
>>> for g in grouping:
...     if any(g[1].MessageNum == 44) and g[1].MessageNum.count()>1:
...         changes.append(g[0])
... 

编辑：简化（删除源自

dict

的

类

）并合并

>>> import pandas as pd
>>> df = pd.read_csv('cars.csv', sep='\s+')
>>> df
    CarSerial        Date  MessageNum  MsgId  MsgCount   MsgCat
0          15  10/14/2015          44      1         1      New
1          15  10/14/2015          21      2         2  Induced
2          15  10/14/2015          22      3         3  Induced
3          15  10/20/2015          30      5         1      New
4          22    5/1/2015          44      1         1      New
5          22   7/10/2015          44      1         1      New
6          22    1/4/2016          44      1         1      New
7         141   1/10/2016          17      9         1      New
8         141   1/10/2016          18     10         2      New
9           8   1/21/2016          44      1         1      New
10          8    2/4/2016          44      1         1      New
11          8    2/4/2016          30      5         2  Induced
12          8    2/4/2016          31      6         3  Induced
>>> grouping = df.groupby(df['CarSerial'].apply(lambda n: str(n)) + ' ' + df['Date'])
>>> changes = []
>>> for g in grouping:
...     if any(g[1].MessageNum == 44) and g[1].MessageNum.count()>1:
...         changes.append(g[0])
... 
>>> def change_if_need_be(row):
...     key = str(row['CarSerial'])+' '+row['Date']
...     if key in changes:
...         return {44: 'Induced'}.get(row['MessageNum'], 'New')
...     else:
...         return 'New'
... 
>>> df['MsgCat'] = df.apply(change_if_need_be, axis=1)

---

结果相同。

数据帧有多大？是熊猫吗？大约10000行。是的，是熊猫。