如何根据条件编辑包含序列的数据框列？答案

【问题标题】：How can I edit a dataframe column containing sequence based on the condition?如何根据条件编辑包含序列的数据框列？
【发布时间】：2021-07-11 01:23:51
【问题描述】：

我有一个数据框，其中包含一个序列，其中包含编码值和记录它的日期（例如 (A,1)）。我的目标是检查编码值 X 和 Y。如果它们发生在同一天，请从序列中删除 Y 值。

ID     Sequence
1      [(A,1), (B,1), (X,2), (Y,2), (Y,3)]
2      [(C,1), (X,2), (Y,2), (Z,2)]
3      [(C,1), (D,2), (X,3), (Y,3),(Z,3)]

我期待的结果是：

ID     Sequence
1      [(A,1), (B,1), (X,2), (Y,3)] 
2      [(C,1), (X,2), (Z,2)]
3      [(C,1), (D,2), (X,3), (Z,3)]

有什么方法可以编写一个函数来获得这些结果吗？任何帮助将不胜感激。

【问题讨论】：

标签： python python-3.x pandas list dataframe

【解决方案1】：

如果第一个值在 X 或 Y 中，如果第一个值在 X 或 Y 中，则可以在元组的第一个索引（第二项）上检查集合成员资格（对于此类用例来说非常快），如果第二个item 已经存在，它不会追加列表，然后将此函数与df.apply 一起使用

def fun(l):
    s = set()
    lst = []
    for i in l:
        if i[0] in ('X','Y'):
            if i[1] not in s:
                s.add(i[1])
                lst.append(i)
        else:
            lst.append(i)
    return lst

df['Sequence'].apply(fun) # df['Sequence']=df['Sequence'].apply(fun) assign back

0    [(A, 1), (B, 1), (X, 2), (Y, 3)]
1            [(C, 1), (X, 2), (Z, 2)]
2    [(C, 1), (D, 2), (X, 3), (Z, 3)]
Name: Sequence, dtype: object

【讨论】：

【解决方案2】：

您可以使用itertools.groupby() 将同一天分组到同一组，然后过滤掉同一组中的Y。

最后使用itertools.chain() 来展平列表列表。

import itertools

def remove_y(lst):
    res = []

    for key, values in itertools.groupby(lst, key=lambda x: x[1]):
        values = list(values)

        if len(values) > 1:
            res.append([value for value in values if not 'Y' in value])
        else:
            res.append(values)

    return list(itertools.chain(*res))


df['B'] = df['B'].apply(remove_y)

# print(df)

   ID                                 B
0   1  [(A, 1), (B, 1), (X, 2), (Y, 3)]
1   2          [(C, 1), (X, 2), (Z, 2)]
2   3  [(C, 1), (D, 2), (X, 3), (Z, 3)]

【讨论】：