Как отфильтровать один и тот же столбец дважды после группировки в pandas? - PullRequest
Новая
       9

Как отфильтровать один и тот же столбец дважды после группировки в pandas?

0 голосов
/ 27 апреля 2020

У меня проблемы с решением следующей проблемы:

У меня есть pandas DataFrame, похожий на: 

col1 col2 col3

A    P    S
A    C    W
A    C    W
A    C    M

B    P    S
B    C    M
B    C    M

D    P    W
D    C    M
D    C    S

, и мне нужно ответить на следующее:

В той же группе (из col1), сколько C (в col2) составляют W (из col3) и имеют P (в col2), что составляет S (с col3)? После этого мне нужно суммировать все подсчеты, сделанные для каждой группы в целом.

Пишем более схематично, сколько пар C-W входит в одну группу col1, в которой есть пара P-S? Затем сложите все числа вместе.

До сих пор я пытался решить эту проблему следующим образом: 

pd_h = pd_h\
    .groupby(["col1", "col2", "col3"])\
    .filter(
        lambda x: ((x["col2"].iloc[0] == 'C') & (x["col3"].iloc[0] == "W")
            if ((x["col2"].iloc[0] == 'P') & (x["col3"].iloc[0] == "S")) else False)
    ).describe(["count"])  # here describe, because I may decide to put also "mean", "std", etc.

Но остальные пары C-W могут принадлежать группе, в которой пары нет P-S.

Как мне решить эту проблему?

Заранее спасибо!

Ответы [ 2 ]

2 голосов
/ 27 апреля 2020

Использование: 

print (df)
  col1 col2 col3
0    A    P    S
1    A    C    W
2    A    C    W
3    A    C    M
4    B    P    S
5    B    C    M
6    B    C    M
7    D    P    W
8    D    C    W <- changed to W for see not match D because not P, S
9    D    C    S

#first condition, second condition
m1 = (df["col2"] == 'C') & (df["col3"] == "W")
m2 = (df["col2"] == 'P') & (df["col3"] == "S")

#check if at least one True in m2 per groups
m3 = df['col1'].isin(df.loc[m2, 'col1'])

#details
print (df.assign(m1 = m1, m2=m2, m3=m3, 
                 m1_m3 = (m1 & m3), num = (m1 & m3).view('i1')))
  col1 col2 col3     m1     m2     m3  m1_m3  num
0    A    P    S  False   True   True  False    0
1    A    C    W   True  False   True   True    1
2    A    C    W   True  False   True   True    1
3    A    C    M  False  False   True  False    0
4    B    P    S  False   True   True  False    0
5    B    C    M  False  False   True  False    0
6    B    C    M  False  False   True  False    0
7    D    P    W  False  False  False  False    0
8    D    C    W   True  False  False  False    0
9    D    C    S  False  False  False  False    0

#filter only groups if m1 and m3 with aggregate sum for count
df = (m1 & m3).view('i1').groupby(df['col1']).sum().reset_index(name='count')
print (df)
  col1  count
0    A      2
1    B      0
2    D      0
0 голосов
/ 27 апреля 2020 
df['is_CW']=[(x=='C' and y=='W') for x, y in zip(df.col2, df.col3)]
df['is_PS']=[(x=='P' and y=='S') for x, y in zip(df.col2, df.col3)]
pv=df.pivot_table(values=['is_CW','is_PS'], index = 'col1', aggfunc=['sum'])
pv.columns=['is_CW','is_PS']
pv['answer'] = pv['is_CW'] * np.sign(pv['is_PS'])
print (pv.index, pv.answer)

A    2.0
B    0.0
D    0.0
...