替换每组的第一个值
2022-08-30
655
我有一个按
EmpID
和
Date
排序的
df
。现在我需要将每个
EmpID
第一次出现的
Reason
列更新为值 100。
原文：
| 员工 ID | 日期 | 原因 |
|---|---|---|
| 123 | 2022 年 1 月 1 日 | 0 |
| 123 | 2022 年 1 月 2 日 | 500 |
| 123 | 01/03 /2022 | 0 |
| 124 | 01/01/2022 | 0 |
| 124 | 01/02/2022 | 800 |
| 124 | 01/03/2022 | 0 |
结果：
| 员工ID | 日期 | 原因 |
|---|---|---|
| 123 | 2022 年 1 月 1 日 | 100 |
| 123 | 2022 年 1 月 2 日 | 500 |
| 123 | 2022 年 1 月 3 日 | 0 |
| 124 | 2022 年 1 月 1 日 | 100 |
| 124 | 2022 年 1 月 2 日 | 800 |
| 124 | 2022 年 1 月 3 日 | 0 |
我无论如何都无法接近。更新每个
EmpID
的最小日期并将
Reason
设置为 100 会更容易吗？
我尝试了以下操作但收到错误。
DF.loc[DF.groupby(['EmpID','Date'])['Reason'].head(1), 'Reason'] = '100'
这引发：
KeyError: "None of [Float64Index([ 0.0, 800.0, 0.0, 800.0, 0.0, 800.0, 0.0, 800.0, 0.0,\n 800.0,\n ...\n 800.0, 0.0, 100.0, 800.0, 0.0, 100.0, 800.0, 0.0, 100.0,\n 800.0],\n dtype='float64', name='EEID', length=12769)] are in the [index]"
感谢您的帮助！
3个回答
检查
重复
df.loc[~df['EmpID'].duplicated(),'Reason'] = 100
BENY
2022-08-30
您可以使用
.transform
。只需定义一个返回掩码的函数：除第一个值
True
外，所有值均为
False
。
使用所有组的组合掩码，您可以选择并替换所需的元素：
def f(s):
mask = np.full(len(s), False)
mask[0] = True
return mask
mask = df.groupby('EmpID')['Reason'].transform(f)
df.loc[mask, 'Reason'] = 100
结果：
EmpID Date Reason
0 123 2022-01-01 100
1 123 2022-01-02 500
2 123 2022-01-03 0
3 124 2022-01-01 100
4 124 2022-01-02 800
5 124 2022-01-03 0
Vladimir Fokow
2022-08-30
为了解决这个问题，我们需要确定行号，如果我们得到行号，我们可以根据第一行进行过滤并将原因更改为 100。我们可以使用此函数获取行号 cumcount
data['row_num'] =data.groupby(['EmpID']).cumcount()
data.loc[data.row_num == 0,'Reason'] = 100
data
Noman
2022-08-30