pandas 按组跳过指定值标记序号

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

通过给数据按分组进行排序并标记序号，我们可以轻松地得到每个分组内数据的排名情况。这对于了解每个分组内数据的相对顺序很有帮助。本例，我们来看一个特殊的标记序号的案例，序号会跳过指定特殊的值。

注：本例在 pandas 2.2 下通过，同时建议安装 pyarrow 库。

数据与需求

我们构造数据：

import pandas as pd

df = pd.DataFrame({
    '商品' : ['A']*4 + ['B'] + ['C']*2 + ['D']*2,
    '活动名称' : ['买赠','正价','满减','六折',
              '正价','半价','六折','正价','六折']
 })
df
'''
  商品 活动名称
0  A   买赠
1  A   正价
2  A   满减
3  A   六折
4  B   正价
5  C   半价
6  C   六折
7  D   正价
8  D   六折
'''

增加一个编号列以标记对应行在商品分组内的顺序，其中要跳过活动名称为「正价」的行，并「正价」所在的行记为「#」。

结果如下：

'''
  商品 活动名称 编号
0  A   买赠  1
1  A   正价  #
2  A   满减  2
3  A   六折  3
4  B   正价  #
5  C   半价  1
6  C   六折  2
7  D   正价  #
8  D   六折  1
'''

思路

我们分为两步，先生成一个序号列，然后按照规划将序号列指定，对「正价」值赋于 # 号。

生成序号列：按商品分组，只对活动名称子Series进行函数应用，函数中判断活动名称是否不等于「正价」，得到一个布尔序列，不为正价的为 True，计算是按 1，接着对这个布尔序列应用 cumsum() 方法，即累加，为「正价」的由于为 False (按 0 计算)，不会累积序号。
赋值：利用 pandas 2.2 新增加的 case_when() 方法进行条件替换。替换有两个规则，一个是将为「正价」的替换为「#」号，二是将其他的替换为上方得到的序号，要注意，我们用不带标签的序列来替换，否则会由于标签对齐而产生错误。

代码

先生成编号列，对「正价」的值跳过：

no = (
    df.groupby('商品')
    .活动名称
    .apply(lambda x: (x != '正价').cumsum())
)
no
'''
商品   
A   0    1
    1    1
    2    2
    3    3
B   4    0
C   5    1
    6    2
D   7    0
    8    1
Name: 活动名称, dtype: int64
'''

再用 pandas 2.2 新增加的 case_when() 方法来按照规划指定值：

two_case = [(lambda x: x=='正价', '#'), (lambda x: x==x, no.array)]
df.assign(编号=df.活动名称.case_when(two_case))
'''
  商品 活动名称 编号
0  A   买赠  1
1  A   正价  #
2  A   满减  2
3  A   六折  3
4  B   正价  #
5  C   半价  1
6  C   六折  2
7  D   正价  #
8  D   六折  1
'''

这样就完成了需求。

（完）

pandas 按组跳过指定值标记序号

数据与需求

思路

代码

相关内容