根据条件生成新列

Question

我有以下数据框：

Hotel_id    Month_Year      Chef_Id  Chef_is_Masterchef Transition_cnt    Review_Polarity  
2400614     May-2015        2297544     0                      0             0.674450    
2400614     June-2015       2297544     0                      0             0.894450    
2400614     July-2015       2297544     0                      0             0.888300   
2400614     August-2015     2297544     0                      0             0.894250    
2400614     September-2015  2297544     1                      1             0.975200    
2400614     October-2015    2297544     1                      0             0.700719    
2400614     November-2015   2297544     1                      0             0.955500    
2400614     December-2015   2297544     1                      0             0.675200    

3400614     April-2016      3297541     0                      0             0.774450      
3400614     May-2016        3297541     0                      0             0.874450    
3400614     June-2016       3297541     0                      0             0.994450    
3400614     July-2016       3297541     0                      0             0.888300   
3400614     August-2016     3297541     0                      0             0.994250    
3400614     September-2016  3297541     1                      1             0.675200    
3400614     October-2016    3297541     1                      0             0.800719    
3400614     November-2016   3297541     1                      0             0.755500    
3400614     December-2016   3297541     1                      0             0.975200

在Chef_is_Masterchef列中

• 0表示-Chef is not MasterChef
• 1表示-Chef is MasterChef

当在Chef_is_Masterchef列中从0转换到1时，该转换在Transition_cnt列中指示为1

因此，在转换点，我必须在3个月之前和之后从Review_Polarity列中获取值，并使用该值生成新列

预期产出：

我还需要另一个与上面相同的数据框，在这里我需要从Review_Polarity列中获取过渡点6个月前后的值

请注意，我必须为每个id执行此操作

此外，如果观察到，可以注意到新列（PVal_bfr_3mon和PVal_aftr_3mon）中的值是根据过渡点的-3个月和+2个月填充的。同样的概念可以假设为6个月，在过渡点我们需要-6个月和+5个月的值

所以请告诉我解决办法

Answer 1

我相信还有其他方法可以做到这一点，但首先，我们将列出由更改标志提取的索引。对于这个列表，我将获得三个月前和两个月后的索引，如果是三个月后，我将修复这个位置。现在我们有了要提取的条件列表，我们可以用它提取原始数据帧。 接下来，我们用第一行和最后一行创建一个数据框，按酒店ID和厨师ID分组。下一步是在第一行和最后一行创建一个数据框，按酒店ID和厨师ID分组，在第一行和最后一行创建一个数据框，以便合并。 最后，我们将原始数据帧与三个月前的数据帧和两个月前的数据帧相结合

condition = df[df['Transition_cnt'] == 1].index.to_list()
new_con = []
for i in condition:
    print(i)
    x = i - 3
    y = i + 2
    new_con += [x, y]
update = df[df.index.isin(new_con)]
update.reset_index(inplace=True)
update

index   Hotel_id    Month_Year  Chef_Id Chef_is_Masterchef  Transition_cnt  Review_Polarity
0   1   2400614 June-2015   2297544 0   0   0.89445
1   6   2400614 November-2015   2297544 1   0   0.95550
2   10  3400614 June-2016   3297541 0   0   0.99445
3   15  3400614 November-2016   3297541 1   0   0.75550

up_df = update[['Hotel_id', 'Chef_Id', 'Review_Polarity']]
bfr_3mon = up_df.groupby(['Hotel_id','Chef_Id'])['Review_Polarity'].first().reset_index()
bfr_3mon.columns = ['Hotel_id', 'Chef_Id', 'PVal_bfr_3mon']
aftr_3mon = up_df.groupby(['Hotel_id','Chef_Id'])['Review_Polarity'].last().reset_index()
aftr_3mon.columns = ['Hotel_id', 'Chef_Id', 'PVal_aftr_3mon']
df = df.merge(bfr_3mon, on=['Hotel_id', 'Chef_Id'], how='inner')
df = df.merge(aftr_3mon, on=['Hotel_id', 'Chef_Id'], how='inner')

df
|    |   Hotel_id | Month_Year     |   Chef_Id |   Chef_is_Masterchef |   Transition_cnt |   Review_Polarity |   PVal_bfr_3mon |   PVal_aftr_3mon |
| -:|     -:|:       -|     :|          -:|        -:|         :|        :|        -:|
|  0 |    2400614 | May-2015       |   2297544 |                    0 |                0 |          0.67445  |         0.89445 |           0.9555 |
|  1 |    2400614 | June-2015      |   2297544 |                    0 |                0 |          0.89445  |         0.89445 |           0.9555 |
|  2 |    2400614 | July-2015      |   2297544 |                    0 |                0 |          0.8883   |         0.89445 |           0.9555 |
|  3 |    2400614 | August-2015    |   2297544 |                    0 |                0 |          0.89425  |         0.89445 |           0.9555 |
|  4 |    2400614 | September-2015 |   2297544 |                    1 |                1 |          0.9752   |         0.89445 |           0.9555 |
|  5 |    2400614 | October-2015   |   2297544 |                    1 |                0 |          0.700719 |         0.89445 |           0.9555 |
|  6 |    2400614 | November-2015  |   2297544 |                    1 |                0 |          0.9555   |         0.89445 |           0.9555 |
|  7 |    2400614 | December-2015  |   2297544 |                    1 |                0 |          0.6752   |         0.89445 |           0.9555 |
|  8 |    3400614 | April-2016     |   3297541 |                    0 |                0 |          0.77445  |         0.99445 |           0.7555 |
|  9 |    3400614 | May-2016       |   3297541 |                    0 |                0 |          0.87445  |         0.99445 |           0.7555 |
| 10 |    3400614 | June-2016      |   3297541 |                    0 |                0 |          0.99445  |         0.99445 |           0.7555 |
| 11 |    3400614 | July-2016      |   3297541 |                    0 |                0 |          0.8883   |         0.99445 |           0.7555 |
| 12 |    3400614 | August-2016    |   3297541 |                    0 |                0 |          0.99425  |         0.99445 |           0.7555 |
| 13 |    3400614 | September-2016 |   3297541 |                    1 |                1 |          0.6752   |         0.99445 |           0.7555 |
| 14 |    3400614 | October-2016   |   3297541 |                    1 |                0 |          0.800719 |         0.99445 |           0.7555 |
| 15 |    3400614 | November-2016  |   3297541 |                    1 |                0 |          0.7555   |         0.99445 |           0.7555 |
| 16 |    3400614 | December-2016  |   3297541 |                    1 |                0 |          0.9752   |         0.99445 |           0.7555 |