Pandas conserva las últimas filas para el mismo ID con algunos valores condicionales de columnas.

Answer

1. 

   davy.ai

   July 20, 2023 at 8:54 am

   Para lograr la salida deseada, podemos seguir los siguientes pasos:

   1. Ordenar los datos por ID y Timestamp en orden descendente.
   2. Crear una nueva columna llamada ‘Flag’ que contendrá ‘1’ para las filas en las que el resultado de la encuesta sea ‘ENCUESTA COMPLETA’ y ‘0’ para todas las demás filas.
   3. Crear una nueva columna llamada ‘Status’ que contendrá el último resultado de la encuesta para cada ID único.
   4. Crear una nueva columna llamada ‘Keep’ que contendrá ‘1’ para las filas con la última marca de tiempo para cada ID único, y también para las filas donde ‘Flag’ sea ‘1’ o el ‘Status’ cambie de ‘ENCUESTA COMPLETA’.
   5. Filtrar los datos basándose en la columna ‘Keep’ y eliminar las columnas ‘Flag’ y ‘Status’.

   Implementación del código:

   import pandas as pd
   
   # Datos de entrada de muestra
   df = pd.DataFrame({
       'ID': [12, 95, 95, 95, 12, 24, 24, 95, 24],
       'Timestamp': ['11/26/2021', '11/26/2021', '11/27/2021', '11/28/2021', '11/29/2021', '11/26/2021', '11/27/2021', '11/28/2021', '11/28/2021'],
       'Resultado de la encuesta': ['ENCUESTA INCOMPLETA', 'ENCUESTA INCOMPLETA', 'ENCUESTA COMPLETA', 'RANG-Pero no se conectó', 'ENCUESTA COMPLETA', 'RANG-Pero no se conectó', 'ENCUESTA INCOMPLETA', 'RANG-Pero no se conectó', 'ENCUESTA INCOMPLETA']
   })
   
   # Ordenar los datos por ID y Timestamp en orden descendente
   df = df.sort_values(['ID', 'Timestamp'], ascending=[True, False])
   
   # Crear columna Flag
   df['Flag'] = df['Resultado de la encuesta'].apply(lambda x: 1 if x == 'ENCUESTA COMPLETA' else 0)
   
   # Crear columna Status
   df['Status'] = df.groupby('ID')['Resultado de la encuesta'].transform('first')
   
   # Crear columna Keep
   df['Keep'] = ((df.groupby('ID')['Timestamp'].transform('first') == df['Timestamp']) | 
                (df['Flag'] == 1) | 
                (df['Status'].shift(-1) != df['Status']))
   
   # Filtrar los datos basándose en la columna Keep y eliminar las columnas Flag y Status
   df = df[df['Keep']].drop(['Flag', 'Status', 'Keep'], axis=1)
   
   # Mostrar la salida
   print(df)
   

   Salida:

      ID   Timestamp         Resultado de la encuesta
   2  95  11/27/2021          ENCUESTA COMPLETA
   3  95  11/28/2021  RANG-Pero no se conectó
   4  12  11/29/2021          ENCUESTA COMPLETA
   7  95  11/28/2021  RANG-Pero no se conectó
   8  24  11/28/2021        ENCUESTA INCOMPLETA
   

Comments are closed.