es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

Pandas agrupar condicionalmente por min()

16 Jun, 2023 Programación

Estoy tratando de obtener el valor mínimo de una variable de fecha cuando el saldo principal es inferior al 5% del monto desembolsado. Quiero que esto se extraiga por número de cuenta, pero no quiero un nuevo df que esté agrupado por número de cuenta.

Mi df se ve así:

nro_cuenta fecha_periodo saldo_principal monto_desembolsado
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

He intentado códigos similares a este para hacer que funcione, pero solo devuelve sintaxis incorrecta.

df['fecha_churn'] = df.loc[df.groupby('nro_cuenta')['saldo_principal'].apply(lambda x : x <= 0.05 * df['monto_desembolsado']), 'fecha_periodo'].min()

Quiero que el código cree un df que se vea así:

nro_cuenta fecha_periodo saldo_principal monto_desembolsado fecha_churn
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 nan
2 2021-02-01 15 100 nan
2 2021-03-01 11 100 nan
2 2021-04-01 8 100 nan
Tags:  , , , ,

Answer

  1. Avatar for davy.ai
    davy.ai

    Para obtener el valor mínimo de la variable de fecha cuando el saldo principal está por debajo del 5% del monto del desembolso, puedes utilizar la función groupby de pandas y aplicar una función lambda que filtre las filas basadas en la condición dada, y luego obtenga el valor mínimo de la columna period_date.

    Aquí está el código que debería funcionar para ti:

    # crear un dataframe temporal con las filas filtradas
temp_df = df[df['principal_balance_amt'] <= 0.05 * df['disbursement_amt']]

# agrupar el dataframe temporal por número de cuenta
temp_grouped = temp_df.groupby('account_number')

# aplicar una función lambda para obtener el valor mínimo de period_date
churn_dates = temp_grouped.apply(lambda x: x['period_date'].min())

# unir la serie churn_dates con el dataframe original en número de cuenta
result = df.merge(churn_dates, on='account_number', how='left')

# renombrar la columna churn_dates a 'churn_date'
result.rename(columns={0: 'churn_date'}, inplace=True)

    Esto debería darte el dataframe de salida deseado con la columna churn_date agregada en función de la condición dada. Ten en cuenta que para las cuentas donde no hay fechas que cumplan la condición, el valor de churn_date será NaN.

Comments are closed.