Python:分组后分别对组使用apply
提问于 2018-04-15 05:15:45
我的数据框架如下所示：
┌────┬──────┬──────┐
│ No │ col1 │ col2 │
├────┼──────┼──────┤
│ 1 │ A │ 5.0 │
│ 1 │ B1 │ 10.0 │
│ 1 │ B2 │ 20.0 │
│ 2 │ A │ 0.0 │
│ 2 │ B1 │ 0.0 │
│ 2 │ C1 │ 0.0 │
│ 3 │ A │ 0.0 │
│ 3 │ B1 │ 5.0 │
│ 3 │ C1 │ 20.0 │
│ 3 │ C2 │ 30.0 │
└────┴──────┴──────┘首先，我使用groupby对数据帧按列编号进行分组。
我现在想做三件事：
- 从No列获取该组所有行中的
col2 == 0.0值列表(在本例中为第2号) - 获取“No's where”(
col2 != 0.0forcol1 == 'A')的列表，但组中至少有一个行具有col2 == 0.0(在本例中为第3行) - 获得最少1行包含
col2 == 0.0的No's列表(第2和第3行)
很抱歉一次问了三个问题。希望这样可以。
谢谢您：)
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-04-15 05:25:57
您可以使用：
g = df['col2'].eq(0).groupby(df['No'])
a = g.all()
a = a.index[a].tolist()
print (a)
[2]
b1 = (df['col2'].ne(0) & df['col1'].eq('A')).groupby(df['No']).any()
b2 = (df['col2'].eq(0) & df['col1'].ne('A')).groupby(df['No']).any()
b = b1 & b2
b = b.index[b].tolist()
print (b)
[]
c = g.any()
c = c.index[c].tolist()
print (c)
[2,3]另一种解决方案应该是自定义函数，用于返回布尔型DataFrame和包含3个列表的最终创建字典：
def f(x):
a = x['col2'].eq(0)
b1 = x['col2'].ne(0) & x['col1'].eq('A')
b2 = a & x['col1'].ne('A')
b = b1.any() & b2.any()
return pd.Series([a.all(), b, a.any()], index=list('abc'))
m = df.groupby('No').apply(f)
print (m)
a b c
No
1 False False False
2 True False True
3 False False True
fin = {x: m[x].index[m[x]].tolist() for x in m.columns}
print (fin)
{'a': [2], 'b': [], 'c': [2, 3]}页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49842343
复制相关文章
腾讯云开发者
