Измените значение столбца на основе групповой смены, а также создайте новый столбец - Pandas

Question

У меня есть фрейм данных, как показано ниже

Session      slot_num         ID    prob
s1           1                A     0.2
s1           2                B     0.9
s1           2                B     0.4
s1           3                C     0.7
s1           4                D     0.8
s1           4                D     0.3
s1           5                E     0.6
s1           6                F     0.5
s1           7                G     0.7
s2           1                A1    0.6
s2           2                B1    0.5
s2           3                C1    1.1
s2           3                C1    0.6
s2           4                D1    0.7
s2           5                E1    0.6
s2           6                F1    0.7
s2           7                G1    1.2
s2           7                G1    0.7

, который отсортирован, как показано ниже

df = df.sort_values(['Session', 'slot_num'], ascending=True)

Затем я хотел бы создать новый столбец с именем overbook, как описано ниже.

если у нас есть несколько сессий Slot и slot_num, первый из которых 'yes', второй 'booking', если есть еще все, кроме первого, резервирующего другое: df ['overbook'] = 'no '

Также замените идентификатор второй строки на' TBF '

Ожидаемый результат:

Session      slot_num         ID    prob    overbook
s1           1                A     0.2     no
s1           2                B     0.9     yes
s1           2               TBF    0.4     booking
s1           3                C     0.7     no
s1           4                D     0.8     yes
s1           4               TBF    0.3     booking
s1           5                E     0.6     no
s1           6                F     0.5     no
s1           7                G     0.7     no
s2           1                A1    0.6     no
s2           2                B1    0.5     no
s2           3                C1    1.1     yes
s2           3                TBF   0.6     booking
s2           4                D1    0.7     no
s2           5                E1    0.6     no
s2           6                F1    0.7     no
s2           7                G1    1.2     yes
s2           7                TBF   0.7     booking

Answer 1

Идея заключается в использовании Series.map счетчиком, созданным GroupBy.cumcount, но только для дублированных строк, которые используются numpy.where с DataFrame.duplicated:

df = df.sort_values(['Session', 'slot_num'], ascending=True)

m = df.duplicated(['Session', 'slot_num'], keep=False)
s = df.groupby(['Session', 'slot_num']).cumcount()
d = {0:'yes', 1:'booking'}
df['overbook'] = np.where(m, s.map(d), 'no')
print (df)
   Session  slot_num  ID  prob overbook
0       s1         1   A   0.2       no
1       s1         2   B   0.9      yes
2       s1         2   B   0.4  booking
3       s1         3   C   0.7       no
4       s1         4   D   0.8      yes
5       s1         4   D   0.3  booking
6       s1         5   E   0.6       no
7       s1         6   F   0.5       no
8       s1         7   G   0.7       no
9       s2         1  A1   0.6       no
10      s2         2  B1   0.5       no
11      s2         3  C1   1.1      yes
12      s2         3  C1   0.6  booking
13      s2         4  D1   0.7       no
14      s2         5  E1   0.6       no
15      s2         6  F1   0.7       no
16      s2         7  G1   1.2      yes
17      s2         7  G1   0.7  booking