Question

我的问题与发布的问题here

略有不同

所以我想打开一个新线程。我有一个带有5个属性的pandas数据框。其中一个属性是使用pandas series创建的。这是创建数据框的示例代码

import numpy as np
mydf1=pd.DataFrame(columns=['group','id','name','mail','gender'])
data = np.array([2540948, 2540955, 2540956,2540956,7138932])
x=pd.Series(data)    
mydf1.loc[0]=[1,x,'abc','abc@xyz.com','male']

我有另一个数据框，下面给出了创建数据框的代码

mydf2=pd.DataFrame(columns=['group','id'])
data1 = np.array([2540948, 2540955, 2540956])
y=pd.Series(data1)
mydf2.loc[0]=[1,y]

这些是样本数据。实际数据将包含大量行和数据。系列长度也很大。我想匹配mydf1和mydf2＆amp;如果它匹配，有时我在mydf2中没有匹配的元素，那么我将从mydf1删除id的值，例如在运行之后，我的id将用于组1 2540956,7138932。我也试过上面链接中提到的代码。但是对于第一行

counts = mydf1.groupby('id').cumcount()

我收到了错误消息 TypeError：'Series'对象是可变的，因此它们不能被散列在我的Python 3.X.你能建议我怎么解决这个问题吗？

Answer 1

这应该有效。我们使用Counter来查找2个ID列表之间的区别。（p.s.这个问题不需要区别在于。）

设置

import numpy as np
from collections import Counter
mydf1=pd.DataFrame(columns=['group','id','name','mail','gender'])
x = [2540948, 2540955, 2540956,2540956,7138932]
y = [2540948, 2540955, 2540956,2540956,7138932]
mydf1.loc[0]=[1,x,'abc','abc@xyz.com','male']
mydf1.loc[1]=[2,y,'def','def@xyz.com','female']

mydf2=pd.DataFrame(columns=['group','id'])
x2 = np.array([2540948, 2540955, 2540956])
y2 = np.array([2540955, 2540956])
mydf2.loc[0]=[1,x2]
mydf2.loc[1]=[2,y2]

代码

mydf3 = mydf1[["group", "id"]]
mydf3 = mydf3.merge(mydf2, how="inner", on="group")

new_id_finder = lambda x: list((Counter(x.id_x) - Counter(x.id_y)).elements())

mydf3["new_id"] = mydf3.apply(new_id_finder, 1)
mydf3["new_id"]
    group   new_id
0   1       [2540956, 7138932]
1   2       [2540948, 2540956, 7138932]

一个Counter对象可以substract另一个，以区分元素的出现。然后，您可以使用elements函数检索剩余的所有值。

根据另一个数据帧值从pandas数据帧的行中删除系列值

1 个答案: