Pandas groupby auf zwei Bedingungen

Question

Ich habe die folgende Tabelle:

Ich bin versucht, zwei Dinge mit der Tabelle zu tun:

1) Wenn ein Anruf nur einmal erscheint, es machen so dass jeder dieser Einzelanrufeinträge, die auch einen Postleitzahleintrag haben, eine 1 unter Bestellung erhält.

#work with unique data 
import pandas as pd 

def order_chk(x): 
    if pd.isnull(x['ORDER_TIMESTAMP']) or pd.isnull(x['ZIP']): 
     return 0 
    return 1 

calls_t = calls.groupby('ANI').filter(lambda x: len(x) < 2).apply(lambda row: order_chk(row), axis=1) 

2) Es wird schwieriger, wenn es zwei Anrufe gibt, aber nur eine Bestellung; in diesen Fällen ich den Anruf möchten, die näher an der Ordnung der 1 unter der Spalte Reihenfolge zu bekommen (die Delta-Spalte Timedelta-Objekte)

So Final Table sieht wie folgt aus

(gelbe Schattierung der 1 zu zeigen)

Lassen Sie mich wissen, wenn ich etwas klären kann, ich habe das Gefühl, dass ich etwas wirklich albern mit .Apply auf Gruppen vermisse.

DATE TIMESTAMP ANI DNIS VENDOR ORDER_TIMESTAMP ZIP delta ORDER CALLS 
0 7/13/2016 2016-07-13 00:19:09 7249534228 8009894581 CORNERSTONE NaT NaN NaT 0 1 
1 7/13/2016 2016-07-13 00:19:10 9207482180 8009894581 CORNERSTONE NaT NaN NaT 0 1 
2 7/13/2016 2016-07-13 00:19:22 2405870965 8009894581 CORNERSTONE NaT NaN NaT 0 1 
3 7/13/2016 2016-07-13 00:19:29 6192537800 8009894581 CORNERSTONE NaT NaN NaT 0 1 
4 7/13/2016 2016-07-13 00:21:00 2405870965 8009894581 CORNERSTONE NaT NaN NaT 0 1 
5 7/13/2016 2016-07-13 11:31:19 9857140062 8009136242 ACE NaT NaN NaT 0 1 
6 7/13/2016 2016-07-13 12:50:12 5802260487 8009137764 ACE NaT NaN NaT 0 1 
7 7/13/2016 2016-07-13 14:13:08 Unavailable 8009135189 CORNERSTONE NaT NaN NaT 0 1 
8 7/13/2016 2016-07-13 16:29:13 7172665487 8009140816 CORNERSTONE NaT NaN NaT 0 1 
9 7/13/2016 2016-07-13 17:02:25 8079819744 8009131719 CORNERSTONE NaT NaN NaT 0 1 
10 7/13/2016 2016-07-13 19:21:54 8435466441 8009135302 CORNERSTONE NaT NaN NaT 0 1 
11 7/13/2016 2016-07-13 20:41:28 9063462078 8009894581 CORNERSTONE NaT NaN NaT 0 1 
12 7/13/2016 2016-07-13 20:50:19 6143772125 8009084876 CORNERSTONE NaT NaN NaT 0 1 
13 7/13/2016 2016-07-13 20:50:20 8148563460 8009084876 CORNERSTONE NaT NaN NaT 0 1 
14 7/13/2016 2016-07-13 20:50:22 5616837515 8009084876 CORNERSTONE NaT NaN NaT 0 1 
15 7/13/2016 2016-07-13 20:53:07 9032270226 8009084876 CORNERSTONE NaT NaN NaT 0 1 
16 7/13/2016 2016-07-13 23:58:38 9283779292 8009131653 CORNERSTONE 2016-07-13 23:59:9 00:00:48 0 1 
17 7/13/2016 2016-07-13 21:14:08 9283779292 8009131653 CORNERSTONE 2016-07-13 23:59:9 02:45:18 0 1 

Answer 1

Wenn ich richtig verstehe, funktioniert der erste Teil für Sie, und für den zweiten Teil wollen Sie mit dem niedrigsten Delta-Wert um die Linien markieren (pro Anruf). Der folgende Code hat die Zeilennummern dieser Aufrufe abgerufen und ORDER = 1 für diese Zeilen zugewiesen.

cond = calls.groupby(['ANI'])['delta'].transform(min) == df['delta'] 
calls.loc[cond, 'ORDER'] = 1 

Hoffe das hilft.