Как отфильтровать pandas фрейм данных по строковым значениям и соответствующим целым числам в строках?

Question

Спасибо за вашу помощь. Я все еще относительно новичок в pandas и не наблюдаю этот конкретный c вид запроса в результатах поиска.

У меня есть pandas фрейм данных:

+-----+---------+----------+
| id  |  value  | match_id |
+-----+---------+----------+
| A10 | grass   |        1 |
| B45 | cow     |        3 |
| B98 | bird    |        6 |
| B17 | grass   |        1 |
| A20 | tree    |        2 |
| A87 | farmer  |        5 |
| B11 | grass   |        1 |
| A33 | chicken |        4 |
| B56 | tree    |        2 |
| A23 | farmer  |        5 |
| B65 | cow     |        3 |
+-----+---------+----------+

Мне нужно чтобы отфильтровать этот кадр данных для строк, содержащих совпадающие значения match_id, с условием, что столбец id также должен содержать обе строки A и B.

Это ожидаемый результат:

+-----+-------+----------+
| id  | value | match_id |
+-----+-------+----------+
| A10 | grass |        1 |
| B17 | grass |        1 |
| A20 | tree  |        2 |
| B11 | grass |        1 |
| B56 | tree  |        2 |
+-----+-------+----------+

Как я могу сделать это, скажем, в одной строке кода pandas? Воспроизводимая программа ниже:

import pandas as pd

data_example = {'id': ['A10', 'B45', 'B98', 'B17', 'A20', 'A87', 'B11', 'A33', 'B56', 'A23', 'B65'], 
                'value': ['grass', 'cow', 'bird', 'grass', 'tree', 'farmer', 'grass', 'chicken', 'tree', 'farmer', 'cow'], 
                'match_id': [1, 3, 6, 1, 2, 5, 1, 4, 2, 5, 3]}
df_example = pd.DataFrame(data=data_example)

data_expected = {'id': ['A10', 'B17', 'A20', 'B11', 'B56'], 
                'value': ['grass', 'grass', 'tree', 'grass', 'tree'], 
                'match_id': [1, 1, 2, 1, 2]}
df_expected = pd.DataFrame(data=data_expected)

Спасибо!

Answer 1

Одна строка кажется сложной, но вы можете str.extract две строки, которые вы хотите получить из идентификатора, затем groupby match_id и использовать any, чтобы увидеть, будет ли хотя бы одна строка для match_id иметь одну из нужных вам строк, затем использование all с осью 1 даст True для match_id обеих строк. Затем вы можете использовать только что созданную серию, чтобы выбрать только True match_id после map match_id столбца.

s = df_example['id'].str.extract('(A)|(B)').notna()\
                    .groupby(df_example['match_id']).any().all(1)
df_expected = df_example.loc[df_example['match_id'].map(s), :]

print (df_expected)
    id  value  match_id
0  A10  grass         1
3  B17  grass         1
4  A20   tree         2
6  B11  grass         1
8  B56   tree         2

Answer 2

Другой вариант решения @ Ben.T:

#create a helper column that combines the letters per gropu
res = (df_example
        #the id column starts with a letter
       .assign(letter = lambda x: x.id.str[0])
       .groupby('match_id')
       .letter.transform(','.join)
      )

df['grp'] = res
df

    id  value   match_id    grp
0   A10 grass   1          A,B,B
1   B45 cow     3          B,B
2   B98 bird    6           B
3   B17 grass   1           A,B,B
4   A20 tree    2           A,B
5   A87 farmer  5          A,A
6   B11 grass   1         A,B,B
7   A33 chicken 4          A
8   B56 tree    2          A,B
9   A23 farmer  5          A,A
10  B65 cow     3          B,B

#filter for grps that contain A and B, and keep only relevant columns
df.loc[df.grp.str.contains('A,B'), "id":"match_id"]

     id value   match_id
0   A10 grass   1
3   B17 grass   1
4   A20 tree    2
6   B11 grass   1
8   B56 tree    2

#or u could use a list comprehension that assures u of both A and B (not just A following B)

filtered = [True if ("A" in ent) and ("B" in ent) else False for ent in df.grp.array]
df.loc[filtered,"id":"match_id"]

     id value   match_id
0   A10 grass   1
3   B17 grass   1
4   A20 tree    2
6   B11 grass   1
8   B56 tree    2