大熊猫：求解基于列值以及标记为新列DF事件第一发生率值

Question

我有一个数据帧，看起来像这样：

customer_id event_date data 
1   2012-10-18 0  
1   2012-10-12 0  
1   2015-10-12 0  
2   2012-09-02 0  
2   2013-09-12 1  
3   2010-10-21 0  
3   2013-11-08 0  
3   2013-12-07 1  
3   2015-09-12 1  

我希望增加额外的列，如“flag_1” &'flag_2'下面，它允许我自己（和其他当我传递修改后的数据）过滤容易。

Flag_1表示该客户在数据集中首次出现。 dta.sort_values(['customer_id','event_date']) ，然后使用：：我已通过排序成功地实施本dta.duplicated(['customer_id']).astype(int)

Flag_2将每个客户的第一入射的指示时，列“数据” = 1

什么样的一个例子实施额外的列看起来象下面这样：

customer_id event_date data flag_1 flag_2 
1   2012-10-18 0  1  0 
1   2012-10-12 0  0  0 
1   2015-10-12 0  0  0 
2   2012-09-02 0  1  0 
2   2013-09-12 1  0  1 
3   2010-10-21 0  1  0 
3   2013-11-08 0  0  0 
3   2013-12-07 1  0  1 
3   2015-09-12 1  0  0 

我是新来的熊猫和不确定如何在不遍历整个数据框贯彻“flag_2”列 - 我相信有实现使用内置函数b更快的方法ut没有发现任何帖子？

谢谢

Answer 1

首先初始化空标志。使用groupby根据customer_id获取组。对于第一个标志，使用loc为每个组中的第一个值设置flag1的值。对于flag2使用相同的策略，但对于data已被设置为1的情况首先进行过滤。

# Initialize empty flags 
df['flag1'] = 0 
df['flag2'] = 0 

# Set flag1 
groups = df.groupby('customer_id').groups 
df.loc[[values[0] for values in groups.values()], 'flag1'] = 1 

# Set flag2 
groups2 = df.loc[df.data == 1, :].groupby('customer_id').groups 
df.loc[[values[0] for values in groups2.values()], 'flag2'] = 1 

>>> df 
    customer_id event_date data flag1 flag2 
0   1 2012-10-18  0  1  0 
1   1 2012-10-12  0  0  0 
2   1 2015-10-12  0  0  0 
3   2 2012-09-02  0  1  0 
4   2 2013-09-12  1  0  1 
5   3 2010-10-21  0  1  0 
6   3 2013-11-08  0  0  0 
7   3 2013-12-07  1  0  1 
8   3 2015-09-12  1  0  0