选择至少一次满足条件的所有组答案

【问题标题】：Select all the groups that meet condition at least once选择至少一次满足条件的所有组
【发布时间】：2019-12-24 05:18:00
【问题描述】：

我想保留至少一次满足条件的组的所有行。换句话说，我想将不满足条件的组至少删除一次。

我已经四处寻找了几个小时，但找不到解决方案。 This was the closest I got 但我无法实现答案。

我有以下数据框：

test = pd.DataFrame({"Gr":[1,1,2,2],"Bk":[9,1,8,5]})
print(test)

   Gr  Bk
0   1   9
1   1   1
2   2   8
3   2   5

我想按test["Gr"] 分组并选择test["Bk"] == 9 至少一次的所有组以达到此目的：

# Drop Gr 2 because they didn't meet Bk == 1 in any of its rows.
   Gr  Bk
0   1   9
1   1   1

我原以为这可以通过组合 groupby() 和 .any() 轻松实现，而无需 lambda 函数。

我试过这个：

test.groupby("Gr").filter(lambda x: (x.Bk == 9).all())

【问题讨论】：

【解决方案1】：

使用GroupBy.transform 和eq.any 在每个组内检查any 的值是否等于（eq）到9：

mask = test.groupby('Gr')['Bk'].transform(lambda x: x.eq(9).any())
test[mask]

输出

   Gr  Bk
0   1   9
1   1   1

【讨论】：

这很好用，但为什么需要 lambda 部分？
因为我们使用transform 来获得True 和False 的等长数组，它指示是否应在我们的结果中返回该行。 Lambda 是必要的，因为我们应用了多个 pandas 方法（eq 和 any）。
谢谢伙计。最后一个问题：lambda 函数是逐行执行的吗？

【解决方案2】：

你可以这样做：

test =test[test['Gr'].apply(lambda x: x in [key for key in test['Gr'][test['Bk'].eq(9)]])]
test

输出：

    Gr  Bk
0   1   9
1   1   1

【讨论】：

【解决方案3】：

没有 groupby 也有可能。只需检查所有条目是否等于 9，获取此条目的组并为提取的组分割整个数据帧。

test[test.Gr.isin(test[test['Bk'].eq(9)].Gr)]

结果

    Gr  Bk
0   1   9
1   1   1

【讨论】：

【解决方案4】：

通俗易懂filter

test.groupby('Gr').filter(lambda x : x['Bk'].eq(9).any())
   Gr  Bk
0   1   9
1   1   1

【讨论】：

【解决方案5】：

假设每组 Gr 中只有一个 Bk=9 。这是使用merge 的一种疯狂且过度杀伤力的方式：D

test.merge(test.loc[test.Bk.eq(9),'Gr'], on='Gr')

Out[227]:
   Gr  Bk
0  1   9
1  1   1

注意：它仍然适用于每个组的多个 9。它只需要drop_duplicates，但我认为在这一点上它变得太复杂了，不再有趣了

【讨论】：

【解决方案6】：

这里的方法很简单..

检查 test['Bk'] 等于 9 的位置，并获取 test['Gr'] 中的相应值，然后将 df 减少到仅出现这些 test['Gr'] 值的行

test[test['Gr'].isin(test[test['Bk']==9]['Gr'])]

结果：

   Gr  Bk
0   1   9
1   1   1

【讨论】：