Python Pandas：是否有更快的方法来根据标准拆分和重组 DataFrame？答案

【问题标题】：Python Pandas: Is There a Faster Way to Split and Recombine a DataFrame based on criteria?Python Pandas：是否有更快的方法来根据标准拆分和重组 DataFrame？
【发布时间】：2017-02-07 16:54:17
【问题描述】：

我想根据特定列“ContactID”对该 DataFrame 进行分组，但如果该组的“PaymentType”列不包含特定值，那么我想从 DataFrame 中删除整个组。

我有这样的事情：

UniqueID = data.drop_duplicates('ContactID')['ContactID'].tolist()
OnlyRefinance=[]
for i in UniqueID:
    splits = data[data['ContactID']==i].reset_index(drop=True)
    if any(splits['PaymentType']==160):
        OnlyRefinance.append(splits)
OnlyRefinance = pd.concat(OnlyRefinance)

这可行，但速度很慢，我想知道是否有更快的方法来完成此操作。

【问题讨论】：

标签： python pandas dataframe split

【解决方案1】：

您可以使用的另一个选项groupby.filter：

data.groupby("ContactID").filter(lambda g: (g.PaymentType == 160).any())

这只会保留 PaymentType 包含 160 的组。

【讨论】：

这是一个不错的简单解决方案 +1
@EdChum 谢谢。
非常感谢 Psidom。这是完美的！

【解决方案2】：

您可以通过以下方式更轻松地做到这一点：

to_drop = data.loc[data['PaymentType'] == 160, 'ContactID'].unique()
data[~data['ContactID'].isin(to_drop)]

所以首先过滤掉所有不满足条件的行，得到我们想要删除的唯一联系人ID

然后将这些传递给 isin 并使用 ~ 反转掩码，这将删除此数组中 ContactID 所在的所有行

【讨论】：

感谢 EdChum！这是一个很好的解决方案