當本金余額低于支付金額的 5% 時，我試圖獲得日期變數的最小值。我希望通過帳號提取它，但我不想要一個按帳號分組的新 df。
我的 df 看起來像這樣：
| account_number | period_date | principal_balance_amt | disbursement_amt |
| -------------: | ----------- | --------------------- | ---------------- |
| 1 | 2021-01-01 | 10 | 100 |
| 1 | 2021-02-01 | 6 | 100 |
| 1 | 2021-03-01 | 3 | 100 |
| 1 | 2021-04-01 | 0 | 100 |
| 2 | 2021-01-01 | 20 | 100 |
| 2 | 2021-02-01 | 15 | 100 |
| 2 | 2021-03-01 | 11 | 100 |
| 2 | 2021-04-01 | 8 | 100 |
我嘗試過與此類似的代碼以使其作業，但它只是回傳無效的語法。
df['churn_date'] = df.loc[groupby('account_number').(df['principal_balance_amt'] <= 0.05 * df['disbursement_amt']), 'period_date'].min()
我希望代碼創建一個如下所示的 df：
| 帳號 | period_date | principal_balance_amt | disbursement_amt | 流失日期 |
|---|---|---|---|---|
| 1 | 2021-01-01 | 10 | 100 | 2021-03-01 |
| 1 | 2021-02-01 | 6 | 100 | 2021-03-01 |
| 1 | 2021-03-01 | 3 | 100 | 2021-03-01 |
| 1 | 2021-04-01 | 0 | 100 | 2021-03-01 |
| 2 | 2021-01-01 | 20 | 100 | 南 |
| 2 | 2021-02-01 | 15 | 100 | 南 |
| 2 | 2021-03-01 | 11 | 100 | 南 |
| 2 | 2021-04-01 | 8 | 100 | 南 |
uj5u.com熱心網友回復：
使用Series.where方法為更換period_date到NaN如果沒有匹配，然后使用GroupBy.transform與min新列：
mask = (df['principal_balance_amt'] <= 0.05 * df['disbursement_amt'])
df['churn_date'] = (df.assign(new = df['period_date'].where(mask))
.groupby('account_number')['new']
.transform('min'))
print (df)
account_number period_date principal_balance_amt disbursement_amt \
0 1 2021-01-01 10 100
1 1 2021-02-01 6 100
2 1 2021-03-01 3 100
3 1 2021-04-01 0 100
4 2 2021-01-01 20 100
5 2 2021-02-01 15 100
6 2 2021-03-01 11 100
7 2 2021-04-01 8 100
churn_date
0 2021-03-01
1 2021-03-01
2 2021-03-01
3 2021-03-01
4 NaT
5 NaT
6 NaT
7 NaT
Series.map僅通過boolean indexing與聚合過濾的行進行映射的替代解決方案min：
mask = (df['principal_balance_amt'] <= 0.05 * df['disbursement_amt'])
s = df[mask].groupby('account_number')['period_date'].min()
df['churn_date'] = df['account_number'].map(s)
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/370812.html
標籤：Python 熊猫 数据框 pandas-groupby 分钟