Question

我有一个数据框如下：

                Id     Type       
0              14035   A          
1              14035   B      
2              14035   C                         
3              24259   A    
4              24259   B

我正在尝试使用pandas python进行一些分类，如果它包含ABC / BAC / CBA排列，则将其分类为类别1.如果它仅包含AB / BA，则将其归类为类别2.

                Id     Classification
0              14035   Category 1                                  
3              24259   Category 2

我想过使用一个小组并放入一个小组但是我不确定要去做它，因为我还是Python的新手。

任何帮助？

谢谢！

Answer 1

在这里，您可以使用groupby：

df.groupby("Id")["Type"].apply(lambda x: "Category 1" if x.str.cat() == "ABC" else "Category 2")

输出：

Id
14035    Category 1
24259    Category 2
Name: Type, dtype: object

Answer 2

虽然之前的解决方案往往有效，但我担心使用的字符串连接。

此类字符串连接无法对以下情况的ID进行分类：

如果字符以未排序的方式连接，则后面的逻辑将无法对ID进行分类。 ie: ('BAC' != 'ABC')。
如果该组包含其他类型，例如“ABCD”，则字符串连接也无法正确分类组ie: ('ABCD' != 'ABC')

我宁愿选择更长更安全的解决方案：

import pandas as pd
import numpy as np

# Construct sample dataframe 
df = pd.DataFrame()
df['Id'] = ['14035', '14035', '14035', '24259', '24259', ]
df['Type'] = ['A', 'B', 'C', 'A', 'B', ]


# Define classification logic
def classification_logic(list_of_types):
    if set(['A', 'B', 'C']) <= set(list_of_types):
        return 1
    if set(['A', 'B']) <= set(list_of_types):
        return 2
    return np.nan

# Apply to groups
df.groupby('Id').aggregate(classification_logic)
#        Type
# Id         
# 14035     1
# 24259     2

Answer 3

这是一个相当普遍的解决方案：

# Find which elements are present in each id
elements_in_id = df.groupby('Id').apply(lambda x: x.astype(str).sum())['Type']

categories = {"ABC" : 'Category 1', "AB" : 'Category 2'}

# Assign category if present, otherwise assign "Not Classified"
# Assume that the keys in categories contain letters sorted alphabetically
result = elements_in_id.map(lambda x: categories.get(''.join(sorted(x)), 'Not Classified'))

这给出了预期的输出：

Id
14035    Category 1
24259    Category 2

Answer 4

受@CarlesMitjans's answer的启发，这里有一个优化版本：

In [66]: df.groupby('Id')['Type'] \
    ...:   .agg(lambda x: 'Cat 1' if 'ABC' in ''.join(x.sort_values()) else 'Cat 2') \
    ...:   .reset_index(name='Cat')
    ...:
Out[66]:
      Id    Cat
0  14035  Cat 1
1  24259  Cat 2

Answer 5

我会使用set比较来使其无论顺序如何都能正常工作

In [976]: df.groupby("Id")["Type"].apply(
     ...:    lambda x: 'Cat 1' if set(x) == set('ABC') else
     ...:              'Cat 2' if set(x) == set('AB') else
     ...:              'Cat X')
Out[976]:
Id
14035    Cat 1
24259    Cat 2
Name: Type, dtype: object

在Python Pandas中标记项目

5 个答案: