简化代码。我的工作，但看起来像地狱一样丑陋

Question

我在处理 Python 时遇到了麻烦。我有 PD 数据框，我需要删除所有行，这些行是在特定值之后出现的（在代码中，值被写入称为年份的列表）所有值都应该按公司名称分组，因为这些观察属于列'inn_main 中提到的公司'。我真的不明白如何使用 Pandas 功能做到这一点。虽然我找到了一种方法，但它非常丑陋且效率不高。

import pandas as pd 
data = {'inn_main':['Apple', 'Apple', 'Apple', 'Apple', 'Tesla', 'Tesla', 'Tesla'], 'Help':['OK', 'OK', 2013, 'OK','OK', 2014, 'OK']} 
df = pd.DataFrame(data) 
droper=[]
block=0
years=[2012,2013,2014,2015,2016,2017,2018]
for j in range(len(list(df['Help'].groupby(df['inn_main'])))):
    alarm=0
    for i in range(len(list(df['Help'].groupby(df['inn_main']))[j][1].index.values)):
        if list(df['Help'].groupby(df['inn_main']))[j][1][list(df['Help'].groupby(df['inn_main']))[j][1].index.values[i].astype(int)] in years:
            block=1
            alarm=1
        if block==1:
            block=0
        else:
            if alarm==1:
                droper.append(list(df['Help'].groupby(df['inn_main']))[j][1].index.values[i].astype(int))   
df.drop(index=droper)

你能告诉我我到底做错了什么吗？有什么捷径吗？

Answer 1

解决方案非常短：

df.groupby('inn_main').apply(lambda grp:
    grp[~grp.Help.isin(years).cumsum().shift(fill_value=0).astype(bool)])

结果是：

           inn_main  Help
inn_main                 
Apple    0    Apple    OK
         1    Apple    OK
         2    Apple  2013
Tesla    4    Tesla    OK
         5    Tesla  2014

详情：

• df.groupby('inn_main') - 按公司对 DataFrame 进行分组。
• apply(lambda grp: - 对每个组应用一个 lambda 函数。
• grp.Help.isin(years) - 帮助值是年吗？
• .cumsum() - 上述问题的累积总和。
• shift(fill_value=0) - 将结果向下移动 1 行，填充 任何带有 0 的 NaN（实际上是第一项）。
• astype(bool) - 将整数转换为 bool。
• ~ - 否定上述结果
• [...] - 在布尔索引中使用上述结果。
• grp[...] - 从当前组返回“好”行（它们将 成为当前组结果的一部分）。

注意：ASGM 的解决方案仅删除第一行 OK 在 years 中包含 Help 的任何行之后。

为了确认，添加另一行包含 Tesla 和 OK 到 你的 DataFrame 并运行他的代码。

结果是：

  inn_main  Help
0    Apple    OK
1    Apple    OK
2    Apple  2013
4    Tesla    OK
5    Tesla  2014
7    Tesla    OK

所以存在索引 == 7（应该删除）的行。

Answer 2

我不完全理解您的要求，但这就是我认为您想要的。给定以下数据框...

   Help inn_main
0    OK    Apple
1    OK    Apple
2  2013    Apple
3    OK    Apple
4    OK    Tesla
5  2014    Tesla
6    OK    Tesla

...您想要识别df.Help 在years 列表中的每一行，并删除它之后的行（在属于给定公司的行中）。如果这是正确的，您可以更简单地做到这一点：

years = range(2012, 2019)
df[~df.groupby('inn_main')['Help'].apply(lambda g: g.isin(years).shift().fillna(False))]

这将给出：

   Help inn_main
0    OK    Apple
1    OK    Apple
2  2013    Apple
4    OK    Tesla
5  2014    Tesla

如果您想删除所有公司内跟随给定行的行，完整的answer by Valdi_Bo 说明了如何。

Answer 3

我不太了解 panda 也不知道你想做什么，但这里是重构为迭代列表而不是使用索引的代码：

import pandas as pd 
data = {'inn_main':['Apple', 'Apple', 'Apple', 'Apple', 'Tesla', 'Tesla', 'Tesla'], 'Help':['OK', 'OK', 2013, 'OK','OK', 2014, 'OK']} 
df = pd.DataFrame(data) 
droper=[]
years=[2012,2013,2014,2015,2016,2017,2018]
for j in list(df['Help'].groupby(df['inn_main'])):
    alarm=False
    for i in j[1].index.values:
        if j[1][i.astype(int)] in years:
            alarm=True
        elif alarm:
            droper.append(i.astype(int))   
df.drop(index=droper)