Pandas 数据帧行的特定复杂过滤

Question

数据有很多列，但有问题的列如下：

 MR     Version
GB1       Package
GB5       Package
GB9       3.5
GB5       3.3
GB1       Package
GB9       1.5
GB359     9.1
GB1       Package
GB99      5.5
...

MR（型号）名称重复，版本列中的Package 也重复。 我需要首先使用 Version == Package 访问所有行，

• 然后以他们的 MR 型号名称为例 GB5
• 然后找到具有相同 MR 型号名称的所有其他行，然后
• 最后检查那些其他行（具有相同 MR 型号名称）的版本列的值是否与 Package(!= Package) 不同。 有的我需要归类为好，没有的我需要归类为坏。

例如，从上面的示例数据 MR 模型 GB5 有一个 Package 和 non Package 单元，因此这个模型是好的，并且模型 GB1 在版本列中只有 Package 值，所以它是坏的。

对于版本列中只有整数值的 MR，例如 GB9，我们在此任务中不关心。

通常这些条目彼此相邻，并且通常有两个模型，因此我开发了一个循环，通过从数据框中选择每两行来成功解决下面的问题，但现在我发现在某些情况下这些条目并不相邻，所以我需要一个更好的解决方案来逃避我。非常感谢任何帮助，谢谢大家。 在我下面的代码中，MR 被 Author 替换，但这并不重要。

good_aut = []
bad_aut = []
for i, g in merged_df.groupby(merged_df.index // 2): # takes every two rows
    if g.iloc[0]['Version'] == 'Package':            # if row 1 is a package citation
        if g.iloc[0]['Author'] == g.iloc[1]['Author']: # check if row 1 and 2 authors match
            if g.iloc[1]['Version'] != 'Package':       # finally check if row 2 citation is not package, hence it is GAP citation
                print(g)
                good_aut.append(g.iloc[0]['Author']) # if all conditions are met we add this author to the good list, once for every occurence
            else:
                bad_aut.append(g.iloc[0]['Author'])
        else:
            bad_aut.append(g.iloc[0]['Author'])
        

Answer 1

不清楚。除了其他值之外，您是否希望 Package 出现？

如果是

您可以分组MR 并检查Package 是否与其他值一起存在：

def good_or_bad(s):
    s=set(s)
    if 'Package' in s and len(s.difference(['Package']))>0:
        return 'good'
    return 'bad'
df.groupby('MR')['Version'].apply(good_or_bad)

输出：

MR
GB1       bad
GB359     bad
GB5      good
GB9       bad
GB99      bad
Name: Version, dtype: object

如果没有

您可以按MR 分组并检查是否存在Package 以外的值：

(df.groupby('MR')['Version']
 .apply(lambda s: len(set(s).difference(['Package']))>0)
 .map({True: 'good', False: 'bad'})
)

输出：

MR
GB1       bad
GB359    good
GB5      good
GB9      good
GB99     good
Name: Version, dtype: object

我想要所有三种可能性

def good_or_bad(s):
    s=set(s)
    if len(s.difference(['Package']))>0:
        if 'Package' in s:
            return 'good'
        return 'other'
    return 'bad'
df.groupby('MR')['Version'].apply(good_or_bad)

输出：

MR
GB1        bad
GB359    other
GB5       good
GB9      other
GB99     other
Name: Version, dtype: object