Question

我有一个由ID索引的python数据框，其中每个ID出现多次。我想按ID对数据进行分组，检查每个ID是否有多个＆＃34; source＆＃34;，然后过滤我的原始数据，只包含ID只有一个来源的行。

我想我可以这样做，第一行获取要过滤的ID列表，第二行执行过滤：

df_onesourceids=df.reset_index().groupby('ID').apply(lambda d: d.my_source.nunique()).where(lambda x : x==1).dropna()
df=df.loc[df_onesourceids.index.tolist()]

这是交互式工作，但当我在我们的构建系统中运行时，我得到一个错误（在第二行，第一行很好，并产生一个系列，其中索引是ID，值为1.0）来自pytest（ /lib/python2.7/site-packages/_pytest/_code/code.py）：

ValueError：具有多个元素的数组的真值是不明确的。使用a.any()或a.all()

我尝试了很多变通办法，包括isin函数或将我的列表转换为数据框。我一直收到这个错误。我怎么能这样做？

Answer 1

我认为您需要transform nunique并按boolean indexing过滤：

df = df[df.groupby(level='ID')['my_source'].transform('nunique') == 1]

使用filtration的更慢的解决方案：

df = df.groupby(level='ID').filter(lambda d: d.my_source.nunique() == 1)

样品：

df = pd.DataFrame({'my_source':list('abcccc'),
                   'B':[4,5,4,0,0,0],
                   'C':[7,8,9,4,2,3],
                   'D':[1,3,5,7,1,0],
                   'E':[5,3,6,9,2,4]}, index=list('aaabbb'))
df.index.name = 'ID'
print (df)
    B  C  D  E my_source
ID                      
a   4  7  1  5         a
a   5  8  3  3         b
a   4  9  5  6         c
b   0  4  7  9         c
b   0  2  1  2         c
b   0  3  0  4         c

df1 = df.groupby(level='ID').filter(lambda d: d.my_source.nunique() == 1)

df1 = df[df.groupby(level='ID')['my_source'].transform('nunique') == 1]

print (df1)
    B  C  D  E my_source
ID                      
b   0  4  7  9         c
b   0  2  1  2         c
b   0  3  0  4         c

编辑：

df = df.reset_index()
df = df[df.groupby('ID')['my_source'].transform('nunique') == 1]

使用列表

1 个答案: