Question

我正在尝试在python / pandas中复制SQL中相当简单的东西，但是卡住了。

我想要一个包含三列的数据框：

dataframe1

    Org Des Score
0   A   B   10
1   A   B   11
2   A   B   15
3   A   C   4
4   A   C   4.5
5   A   C   6
6   A   D   100
7   A   D   110
8   A   D   130

并过滤掉每个Org-Des组合的所有得分值，大于最小值* 1.2。

因此输出表将是：

output_dataframe

    Org Des Score
0   A   B   10
1   A   B   11
3   A   C   4
4   A   C   4.5
6   A   D   100
7   A   D   110

对于第一个Org-Des组合，A-B，最小分数为10且（1.2 *分钟）= 12.因此，将保留第0和第1行，因为分数10和11是＆lt; 12.第3行将被删除，因为它是> 12。

对于A-C，最小分数为4且（1.2 *分钟）= 5.因此第3和第4行被保留，因为它们是＆lt;等等......

我的方法

我以为我会使用以下方法：

使用groupby函数通过Org-Des对创建一个包含分钟的数据帧：

dataframe2 = pd.DataFrame(dataframe1.groupby(['Org','Des'])['Score'].min())

然后在dataframe1和dataframe2之间进行内部联接（或合并？），条件是＆lt;每个Org-Des对类型为1.2 * min。

但由于两个原因，我无法让这个工作，1）dataframe2最终成为一个时髦的形状，我需要弄清楚如何加入或合并dataframe1，或转换然后加入/合并2）我不知道如何设置标准作为加入/合并的一部分。

这是正确的方法还是有更多的pythonic方法来实现相同的目标？

编辑以反映@Psidom回答：

我尝试了你建议的代码并且它给了我一个错误，这里是完整的代码和输出：

In: import pandas as pd 
    import numpy as np 

In: df1 = pd.DataFrame({'Org': ['A','A','A','A','A','A','A','A','A'],
                        'Des': ['B','B','B','C','C','C','D','D','D'],
                        'Score': ['10','11','15','4','4.5','6','100','110','130'], })

Out:    Org Des Score
    0   A   B   10
    1   A   B   11
    2   A   B   15
    3   A   C   4
    4   A   C   4.5
    5   A   C   6
    6   A   D   100
    7   A   D   110
    8   A   D   130

In: df2 = pd.DataFrame(df1.groupby(['Org','Des'])['Score'].min())
    df2

Out:        Score
    Org Des 
    A   B   10
        C   4
        D   100

In: df1 = pd.merge(df1, df2.groupby(['Org', 'Des']).min()*1.2, left_on = ['Org', 'Des'], right_index=True)
    df.loc[df1.Score_x < df1.Score_y, :]

Out: KeyError: 'Org' #It's a big error but this seems to be the relevant part.  Let me know if it would be useful to past the whole error.

我怀疑我可能将df1，df2和df混淆了吗？我改变了原来的答案帖子以匹配代码。

Answer 1

您可以设置连接条件。对于原始数据框，将连接列设置为['Org', 'Des']，对于聚合数据框，分组列成为索引，因此您需要将right_index设置为true，然后它应按预期工作：

import pandas as pd
df1 = pd.DataFrame({'Org': ['A','A','A','A','A','A','A','A','A'],
                    'Des': ['B','B','B','C','C','C','D','D','D'],
                    'Score': [10,11,15,4,4.5,6,100,110,130]})
df2 = pd.DataFrame(df1.groupby(['Org','Des'])['Score'].min())

df3 = pd.merge(df1, df2, left_on = ['Org', 'Des'], right_index=True)
df1.loc[df3.Score_x < df3.Score_y * 1.2, ]

#  Org  Des Score
#0  A   B   10.0
#1  A   B   11.0
#3  A   C   4.0
#4  A   C   4.5
#6  A   D   100.0
#7  A   D   110.0

Answer 2

我是这样做的：

df[df.groupby(['Org', 'Des']).Score.apply(lambda x: x < x.min() * 1.2)]

使用条件

2 个答案: