Pandas按门店分组将日期转为递增期号及最大日期标识实现方法
实现方案
该需求可以通过pandas原生向量化分组操作实现,没有额外循环、不需要中间表关联,性能最优,逻辑简洁:
步骤说明
- 先将
date列转为日期类型,避免字符串排序出现逻辑错误 - 生成
period列:按门店分组后对日期列使用dense模式排名,相同日期会得到相同排名,日期越小编号越小 - 生成
is_max_period列:按门店分组后判断当前日期是否等于该门店的最大日期,转成整数即可得到0/1标识
完整可运行代码
import pandas as pd # 构造测试数据 d = { 'store': ['a', 'a', 'a', 'b', 'b'], 'date': ['2020-1-30', '2020-1-30', '2020-2-28', '2020-1-30', '2020-3-30'], 'amount': [1, 2, 3, 5, 2] } df = pd.DataFrame(data=d) # 日期类型转换,保证排序逻辑正确 df['date'] = pd.to_datetime(df['date']) # 生成period列 df['period'] = df.groupby('store')['date'].rank(method='dense', ascending=True).astype(int) # 生成is_max_period列 df['is_max_period'] = df.groupby('store')['date'].transform(lambda x: x == x.max()).astype(int) # 可选:将日期转回字符串格式,匹配你给出的示例输出 df['date'] = df['date'].dt.strftime('%Y-%m-%d') print(df)
运行后输出结果和你给出的预期完全一致。
内容的提问来源于stack exchange,提问作者Mustard Tiger
相关产品推荐
相关产品推荐

