所以，我有一個 pandas 數據框，看起來像這樣： data | Flag | Set----------------------------- 0 | True | A 30 | True | A -1 | False | A 20 | True | B 5 | False | B 19 | False | B 7 | False | C 8 | False | c我怎樣才能（優雅地）以這樣的方式刪除行，使得對于每組，都有相同數量的True和False Flags？輸出看起來像這樣 data | Flag | Set----------------------------- 0 | True | A -1 | False | A 20 | True | B 5 | False | B對于A，有 1 個假標志，因為B有 1 個真標志，并且C有 0 個真標志。我知道如何暴力破解，但我覺得有一些我不知道的優雅方法。
3 回答
慕村225694
TA貢獻1880條經驗 獲得超4個贊
首先獲取Flag每個Setby的計數crosstab，過濾掉行0- 它意味著唯一True或False值，并獲取字典的最小值d：
df1 = pd.crosstab(df['Set'], df['Flag'])
d = df1[df1.ne(0).all(axis=1)].min(axis=1).to_dict()
print (d)
{'A': 1, 'B': 1}
然后按Set字典的列和鍵過濾行，然后DataFrame.head按組使用dict：
df1 = (df[df['Set'].isin(d.keys())]
? ? ? ? ? ?.groupby(['Set', 'Flag'], group_keys=False)
? ? ? ? ? ?.apply(lambda x: x.head(d[x.name[0]])))
print (df1)
? ?data? ?Flag Set
2? ? -1? False? ?A
0? ? ?0? ?True? ?A
4? ? ?5? False? ?B
3? ? 20? ?True? ?B
編輯：對于驗證返回的解決方案，如果有 2 次True且False每組A：
print (df)
? ?data? ?Flag Set
0? ? ?0? ?True? ?A
1? ? ?8? ?True? ?A
2? ? 30? ?True? ?A
3? ? -1? False? ?A
4? ?-14? False? ?A
5? ? 20? ?True? ?B
6? ? ?5? False? ?B
7? ? 19? False? ?B
8? ? ?7? False? ?C
9? ? ?8? False? ?c
df1 = pd.crosstab(df['Set'], df['Flag'])
d = df1[df1.ne(0).all(axis=1)].min(axis=1).to_dict()
print (d)
{'A': 2, 'B': 1}
df1 = (df[df['Set'].isin(d.keys())]
? ? ? ? ? ?.groupby(['Set', 'Flag'], group_keys=False)
? ? ? ? ? ?.apply(lambda x: x.head(d[x.name[0]])))
print (df1)
? ?data? ?Flag Set
3? ? -1? False? ?A
4? ?-14? False? ?A
0? ? ?0? ?True? ?A
1? ? ?8? ?True? ?A
6? ? ?5? False? ?B
5? ? 20? ?True? ?B
叮當貓咪
TA貢獻1776條經驗 獲得超12個贊
這可能是一個可能的解決方案，包含 3 個步驟：
刪除所有沒有 true 和 false 標志的集合（此處為 C）
計算每個設置標志組合所需的行數
刪除超過該計數行數的所有行
這會產生以下代碼：
df = pd.DataFrame(data={"data":[0, 30, -1, 20, 5, 19, 7, 8],
"Flag":[True, True, False, True, False, False, False, False],
"Set":["A", "A", "A", "B", "B", "B", "C", "C"]})
# 1. removing sets with only one of both flags
reducer = df.groupby("Set")["Flag"].transform("nunique") > 1
df_reduced = df.loc[reducer]
# 2. counting the minimum number of rows per set
counts = df_reduced.groupby(["Set", "Flag"]).count().groupby("Set").min()
# 3. reducing each set and flag to the minumum number of rows
df_equal = df_reduced.groupby(["Set", "Flag"]) \
.apply(lambda x: x.head(counts.loc[x["Set"].values[0]][0])) \
.reset_index(drop=True)
ITMISS
TA貢獻1871條經驗 獲得超8個贊
編輯：我想出了一個易于理解、簡潔的解決方案：
只需獲取
.cumcount()分組依據set和flag檢查一組
set和cumcount上面的結果（cc下面的代碼）是否重復。如果一個組不包含重復項，則意味著需要將其刪除。
In[1]:
data Flag Set
0 0 True A
1 8 True A
2 30 True A
3 0 True A
4 8 True A
5 30 True A
6 -1 False A
7 -14 False A
8 -1 False A
9 -14 False A
10 20 True B
11 5 False B
12 19 False B
13 7 False C
14 8 False c
編輯2：根據@Jezrael，我可以進一步簡化以下三行代碼：
df = (df[df.assign(cc = df.groupby(['Set', 'Flag'])
.cumcount()).duplicated(['Set','cc'], keep=False)])
下面的代碼進一步細分。
df['cc'] = df.groupby(['Set', 'Flag']).cumcount()
s = df.duplicated(['Set','cc'], keep=False)
df = df[s].drop('cc', axis=1)
df
Out[1]:
data Flag Set
0 0 True A
1 8 True A
2 30 True A
3 0 True A
6 -1 False A
7 -14 False A
8 -1 False A
9 -14 False A
10 20 True B
11 5 False B
在刪除之前，數據如下所示：
df['cc'] = df.groupby(['Set', 'Flag']).cumcount()
df['s'] = df.duplicated(['Set','cc'], keep=False)
# df = df[df['s']].drop('cc', axis=1)
df
Out[1]:
data Flag Set cc s
0 0 True A 0 True
1 8 True A 1 True
2 30 True A 2 True
3 0 True A 3 True
4 8 True A 4 False
5 30 True A 5 False
6 -1 False A 0 True
7 -14 False A 1 True
8 -1 False A 2 True
9 -14 False A 3 True
10 20 True B 0 True
11 5 False B 0 True
12 19 False B 1 False
13 7 False C 0 False
14 8 False c 0 False
然后，False列中的行s被刪除df = df[df['s']]
添加回答
舉報
0/150
提交
取消