根据组的长度拆分和更改熊猫“groupby”元素的值

Question

我有一个名为'order_id'的列的 Pandas DataFrame 对象。具有相同 id 的行属于同一个顺序（大小可以是 1 到 1000 之间的任何值），例如：

sales_orders = {

    'order_id': [1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4],

    # multiple other fields 

}

df = pd.DataFrame(sales_orders)

我需要根据截止值将组分成更小的块，例如 3。理想情况下，除了列的后缀之外没有其他任何变化，即：

'order_id': [1-0, 1-0, 1-0, 1-1, 1-1, 1-1, 1-2, 2, 2, 2, 3-0, 3-0, 3-0, 3-1, 3-1, 3-1, 3-2, 3-2, 3-2, 4]

我假设人们可以简单地遍历组并在 for 循环中单独触摸每个组，如下所示：

for order_id, group in df.groupby(by=['order_id']):

    if group.shape[0] > 2:

        # change column line by line

但这看起来令人难以置信的非熊猫和可怕的缓慢。因此，我将不胜感激一个明智的、高性能的和可读的解决方案 ;) 在此先感谢您的帮助！

Answer 1

使用groupby和cumcount获取后缀，然后使用np.where有条件地设置它们。c = df.groupby('order_id').cumcount() // 3m = (c == 0).groupby(df.order_id).transform('all')df['order_id2'] = (    np.where(m, df.order_id, df.order_id.astype(str) + '-' + c.astype(str))      .astype(str))df.head(10)   order_id order_id20         1       1-01         1       1-02         1       1-03         1       1-14         1       1-15         1       1-16         1       1-27         2         28         2         29         2         2如果您对 2 和 4 也有后缀没问题，那么一个稍微简单的解决方案；您可以使用groupby和cumcount来生成后缀，然后使用str.cat来连接它们。c = (df.groupby('order_id').cumcount() // 3).astype(str)df['order_id3'] = df['order_id'].astype(str).str.cat(c, sep='-')df.head(10)   order_id order_id2 order_id30         1       1-0       1-01         1       1-0       1-02         1       1-0       1-03         1       1-1       1-14         1       1-1       1-15         1       1-1       1-16         1       1-2       1-27         2         2       2-08         2         2       2-09         2         2       2-0