Question

我有以下数据框ds，它是通过.merge得出的：

            Date_x  Invoice_x         Name Coupon_x Location_x        Date_y  \
1   2017-12-24   700349.0     John Doe     NONE      VAGG1   2017-12-24
2   2017-12-24   700349.0     John Doe     NONE      VAGG1   2017-12-24
4          NaN        NaN  Sue Simpson      NaN        NaN   2017-12-23

   Invoice_y  Price  Coupon_y  Location_y
1     800345  17.95   CHANGE    VAGG1
2     800342   9.95   GADSLR    VAGG1
4     800329  34.95   GADSLR    GG2

我正在寻找的是：

的输出

         Date  Invoice      Name Coupon Location  Price
1  2017-12-24   700349  John Doe   NONE    VAGG1  17.95
2  2017-12-24   700349  John Doe   NONE    VAGG1   9.95

使用以下代码：

ds = ds.query('Price_x != Price_y')

我得到了

        Date_x  Invoice_x         Name  Price_x Coupon_x Location_x  \
1   2017-12-24   700349.0     John Doe    59.95     NONE      VAGG1
2   2017-12-24   700349.0     John Doe    59.95     NONE      VAGG1
4          NaN        NaN  Sue Simpson      NaN      NaN        NaN

         Date_y  Invoice_y  Price_y  Coupon_y  Location_y
1   2017-12-24      800345    17.95   CHANGE    VAGG1
2   2017-12-24      800342     9.95   GADSLR    VAGG1
4   2017-12-23      800329    34.95   GADSLR    GG2

哪个接近我想要的。可以通过.drop和.rename删除额外的列。真正缺少的是能够摆脱名称只出现一行的行。

我一直在查询语句中沿着以下几行尝试逻辑：

 ds =ds.query('Price_x != Price_y & Name > 1')

导致以下错误：

TypeError: '>' not supported between instances of 'str' and 'int'

编辑：

ds = ds[(ds[Price_x] != ds[Price_y])  &  (ds['Name'].value_counts() > 1)]

结果是：

NameError: name 'Price_x' is not defined

或者，尝试：

ds = ds[(ds.Price_x != ds.Price_y)  &  (ds['Name'].value_counts() > 1)]

结果

c:\users\...\python\python36\lib\site-packages\pandas\core\indexes\base.py:3140: RuntimeWarning: '<' not supported between instances of 'int' and 'str', sort order is undefined for incomparable objects
  return this.join(other, how=how, return_indexers=return_indexers)
C:\Users\...\Python\Python36\Scripts\ipython:1: UserWarning: Boolean Series key will be reindexed to match DataFrame index.

以及ds为空。

Empty DataFrame
Columns: [Date_x, Invoice_x, Name, Price_x, Coupon_x, Location_x, Date_y, Invoice_y, Price_y, Coupon_y, Location_y]
Index: []

Answer 1

试试这个

ds = ds[ds.groupby('Name').Name.transform(len) > 1]
ds = ds.query('Price_x != Price_y')

第一行删除仅出现一次的名称。有关详细信息，请参阅此Remove values that appear only once in a DataFrame column。

此外，在你的错误df [Price_x] - ＆gt;它应该是df [＆＃34; Price_x＆＃34;]。一个人可以做df.Price_x或df [＆＃34; Price_x＆＃34;]。

Answer 2

您可以通过多个步骤执行此操作：首先使用pd.value_counts计算每个名称的出现次数，然后将其连接到原始数据并对其进行查询。例如：

counts = pd.value_counts(ds.Name).reset_index()
counts.columns = ['Name', 'Name_count']
ds.merge(counts, on='Name').query('Price_x != Price_y & Name_count > 1')

Pandas查询语句中的布尔逻辑

2 个答案: