Erfassung der Reihenfolge des Auftretens einer ID in Datenrahmen mit Python

Question

Ich habe einen Datenrahmen wie folgt aus:

ID    Product 
10001    A 
10001    B 
10001    C 
10002    D 
10002    A 
10001    F 
10001    X 
10002    N 

Was ich in der Ausgabe wollen, ist der Reihenfolge des Auftretens eines gesonderten ID in aufeinanderfolgenden Zeilenfolge und die Zählungen in dass das Auftreten:

ID    Product Order_occurrence Count 
10001    A   1    3 
10001    B   1    3 
10001    C   1    3 
10002    D   1    2 
10002    A   1    2  
10001    F   2    2 
10001    X   2    2 
10002    N   2    1 

Wir können die Zählung durch Gruppe erhalten, indem bei ID und Vorkommen, aber nicht sicher, wie das Auftreten zu bekommen, das in der Reihenfolge der Zeilen ist. Mir ist nichts bekannt wie Lag-Funktion in Python.

Answer 1

Dies erstellt Gruppen von Linien mit der gleichen ID, erinnert sich an die Vorkommen und fügt die Gruppengröße am Ende hinzu.

def occCount(db): 
    occ = {} 
    last = db[0][0] if db != [] else None 
    group = [] 
    res = [] 
    for i, p in db: 
     if i not in occ.keys(): 
      occ[i] = 0 
     # Add item to group 
     if i == last: 
      group.append((i, p)) 
     # Handle change 
     else: 
      occ[last] += 1 
      res += [ (j, q, occ[last], len(group)) for j,q in group] 
      group = [(i, p)] 
      last = i 
    # Handle the last group 
    occ[last] += 1 
    res += [ (j, q, occ[last], len(group)) for j,q in group] 
    return res 

Die obige Funktion akzeptiert eine Liste von Tupeln (ID, Produkt). Um es zu testen:

import re 
s = """ID    Product 
10001    A 
10001    B 
10001    C 
10002    D 
10002    A 
10001    F 
10001    X 
10002    N""" 
db = [ re.sub(r"\s+", ' ', l).split() for l in s.split('\n')[1:] ] 

for o in occCount(db): 
    print(o) 

> ('10001', 'A', 1, 3) 
> ('10001', 'B', 1, 3) 
> ('10001', 'C', 1, 3) 
> ('10002', 'D', 1, 2) 
> ('10002', 'A', 1, 2) 
> ('10001', 'F', 2, 2) 
> ('10001', 'X', 2, 2) 
> ('10002', 'N', 2, 1)