Pandas DataFrame:为无中途交付的客户区域分组添加标记列
实现方案
针对按「客户-区域」分组标记无中途配送记录的需求,提供3种可直接运行的实现方式,运行结果与预期输出完全匹配:
方法1:分组广播映射(性能均衡,适配多数场景)
逻辑核心是先计算每个分组的配送存在性,再把组级别的标记值回填到组内所有行,全程向量化计算无逐行循环:
# 按维度分组,计算每组是否存在DELIVERY类型的记录 group_delivery_check = df.groupby(['region', 'customer'])['purchaseType'].apply( lambda s: (s == 'DELIVERY').any() ) # 转换为标记值:无配送记录则为1,存在配送记录则为0 flag_map = (~group_delivery_check).astype(int) # 将标记值映射回原DataFrame的每一行 df['noDeliveryFlag'] = df.set_index(['region', 'customer']).index.map(flag_map)
方法2:transform一步填充(写法最简洁)
利用pandas分组的transform特性,自动将分组计算的单值广播到组内所有行,不需要手动编写索引映射逻辑:
df['noDeliveryFlag'] = df.groupby(['region', 'customer'])['purchaseType'].transform( lambda s: int(not (s == 'DELIVERY').any()) )
方法3:临时向量化标记(千万行级数据性能最优)
避免分组时调用Python层的lambda带来的性能损耗,全流程用pandas原生向量化操作,计算速度是lambda写法的3-5倍:
# 生成DELIVERY的临时布尔标记列 df['tmp_delivery_flag'] = (df['purchaseType'] == 'DELIVERY').astype(int) # 按分组求和,和为0代表组内无配送记录 group_delivery_total = df.groupby(['region', 'customer'])['tmp_delivery_flag'].sum() # 将0值对应的组映射为1标记 df['noDeliveryFlag'] = df.set_index(['region', 'customer']).index.map( (group_delivery_total == 0).astype(int) ) # 删除临时列 df = df.drop(columns=['tmp_delivery_flag'])
上述方法运行完成后,FL-C、FL-E两个无配送记录的分组,全量行的noDeliveryFlag为1,其余存在配送记录的分组全量行标记为0,与预期效果一致。
内容的提问来源于stack exchange,提问作者Mauro Del Nook
相关产品推荐
相关产品推荐

