Создайте новый столбец, чтобы указать тренд для определенного столбца, используя pandas groupby

Question

У меня есть фрейм данных, как показано ниже

Session        ID       cumulative_prob
s1              1       0.4
s1              3       0.9
s1              4      -0.1
s1              5       0.3
s1              8       1.2
s1              9       0.2
s2              22      0.4
s2              29      0.7
s2              31      1.4
s2              32      0.4
s2              34      0.9
s3              36      0.9
s3              37     -0.1
s3              38      0.2
s3              40      1.0

Из я хотел бы создать новый столбец, который указывает тренд для сессии (увеличение или уменьшение)

Ожидаемый результат:

Session        ID       cumulative_prob     Decrease
    s1              1       0.4             no
    s1              3       0.9             no
    s1              4      -0.1             yes
    s1              5       0.3             no
    s1              8       1.2             no
    s1              9       0.2             yes
    s2              22      0.4             no
    s2              29      0.7             no
    s2              31      1.4             no
    s2              32      0.4             yes
    s2              34      0.9             no
    s3              36      0.9             no
    s3              37     -0.1             yes
    s3              38      0.2             no
    s3              40      1.0             no

Примечание. По умолчанию для каждой сессии оставьте значение по умолчанию «нет»

.

Answer 1

IIU C, GroupBy.diff и np.where:

#import numpy as np
df['Decrease'] = np.where(df.groupby('Session')['cumulative_prob']
                            .diff()
                            .lt(0),
                          'yes',
                          'no')

print(df)
   Session  ID  cumulative_prob Decrease
0       s1   1              0.4       no
1       s1   3              0.9       no
2       s1   4             -0.1      yes
3       s1   5              0.3       no
4       s1   8              1.2       no
5       s1   9              0.2      yes
6       s2  22              0.4       no
7       s2  29              0.7       no
8       s2  31              1.4       no
9       s2  32              0.4      yes
10      s2  34              0.9       no
11      s3  36              0.9       no
12      s3  37             -0.1      yes
13      s3  38              0.2       no
14      s3  40              1.0       no

Мы также можем использовать Series.map :

(df.groupby('Session')['cumulative_prob']
   .diff()
   .lt(0)
   .map({True : 'yes' , False : 'no'}))