使用日期列根据条件过滤 DataFrame答案

【问题标题】：filtering the DataFrame based on condition with Date Column使用日期列根据条件过滤 DataFrame
【发布时间】：2022-10-24 14:04:38
【问题描述】：

现有数据框：

UserId     Activity_date     Status  
A            27-01-2022      initiated        
A            27-01-2022      In_process
A            27-01-2022      Success    
A            28-01-2022      initiated  
A            28-01-2022      Completed
A            30-01-2022      initiated
A            30-01-2022      failed
B            26-01-2022      initiated
B            26-01-2022      Completed
B            26-01-2022      Success
B            27-01-2022      initiated

需要删除那些在同一活动日期未出现“成功”或“已完成”的条目。与 UserId A 的情况一样，Success 状态出现在 27-01-2022 上， Completed 状态出现在 28-01-2022 上，因此新数据框应包含活动日期 27-01-2022 和 28-01- 的所有行2022

预期数据框：

UserId     Activity_date     Status  
A            27-01-2022      initiated        
A            27-01-2022      In_process
A            27-01-2022      Success    
A            28-01-2022      initiated  
A            28-01-2022      Completed
B            26-01-2022      initiated
B            26-01-2022      Completed
B            26-01-2022      Success

我通过 UserId 和 Activity_date 分组来接近它，并检查“成功”或“已完成”状态的行，但被丢弃的部分卡住了。

【问题讨论】：

标签： pandas

【解决方案1】：

尝试：

df
    UserId  Activity_date   Status
0   A       27-01-2022  initiated
1   A       27-01-2022  In_process
2   A       27-01-2022  Success
3   A       28-01-2022  initiated
4   A       28-01-2022  Completed
5   A       30-01-2022  initiated
6   A       30-01-2022  failed
7   B       26-01-2022  initiated
8   B       26-01-2022  Completed
9   B       26-01-2022  Success
10  B       27-01-2022  initiated

df1 = df.groupby(['UserId','Activity_date'])['Status'].apply(list).reset_index()

df1
    UserId  Activity_date   Status
0   A       27-01-2022      [initiated, In_process, Success]
1   A       28-01-2022      [initiated, Completed]
2   A       30-01-2022      [initiated, failed]
3   B       26-01-2022      [initiated, Completed, Success]
4   B       27-01-2022      [initiated]

df1.loc[df1['Status'].map(lambda x: ("Success" in x) and ('Completed' in x))].explode('Status')
    UserId  Activity_date   Status
3   B       26-01-2022      initiated
3   B       26-01-2022      Completed
3   B       26-01-2022      Success

【讨论】：

状态可以是完成或成功。如果其中任何一个出现在任何活动日期，那么每一行 w.r.t.必须保留到该活动日期
你说的活动日期是什么意思？ 27-01-2022 是与 28-01-2022 不同的活动日期还是相同？

【解决方案2】：

df 是您的数据库，我建议使用以下代码：

df1 = df[df.Status.isin(['Success','Completed'])][['UserId','Activity_date']].drop_duplicates()
df1.merge(df, how='left',on=['UserId','Activity_date'])

df1:

        UserId  Activity_date
2   A   2022-01-27
4   A   2022-01-28
8   B   2022-01-26

【讨论】：

【解决方案3】：

这是使用df.pivot 的解决方案。

out = df.pivot(index=['UserId','Activity_date'], 
               columns='Status', values='Status')

out = df.set_index(['UserId','Activity_date'])
    .loc[out[['Completed','Success']].any(axis=1)].reset_index(drop=False)

print(out)

  UserId Activity_date      Status
0      A    27-01-2022   initiated
1      A    27-01-2022  In_process
2      A    27-01-2022     Success
3      A    28-01-2022   initiated
4      A    28-01-2022   Completed
5      B    26-01-2022   initiated
6      B    26-01-2022   Completed
7      B    26-01-2022     Success

解释：

枢轴为每个UserId, Activity_date 对与NaN 或适当的值（例如Success）获取每个Status 值的列。
接下来，我们在['Completed','Success'] 上使用df.any 来检查是否至少任一列中的一个包含非-NaN 值。结果是带有布尔值的pd.Series。
最后，我们使用这个系列从原始df 中选择正确的行，并将UserId, Activity_date 临时设置为索引。

【讨论】：

【解决方案4】：

一定要回答这个问题。提供详细信息并分享您的研究！

【讨论】：