Question

我正在尝试比较组中的行，如果行中满足条件，我想要保留完整的组，保留最新的行，或保留第一行。

数据框每组只有2个项目。如果该组的第一行的LastFour数字为＆＃39; 2290＆＃39;或者，如果以字母“M＆＃39;如果在第二行中，LastFour列等于0087或0117并且如果NUM！= 6708，那么我想保留两行。这是第一个有条件的。第二个条件是，除了Date列之外，每列的行都相同，然后保留具有最新日期的行。否则，如果这些条件都不满足，则仅保留第一行并删除第二行。

原创df：

<body>
  <div id='divParent'></div>
  <script src='http://{yourdomain}/bundle.js' />
</body>

预期结果：

    KEY     CLAIM       LastFour    NUM     Date1       Date2     Code  
166 0944    163         0087        30087   3/2/2012    3/5/2012    1   
167 0944    164         0087        30087   3/3/2012    3/5/2012    1   
225 1413    222         2290        123422  2/10/2012   2/11/2012   1   
226 1413    223         0032        123123  2/10/2012   2/11/2012   1   
315 1979    312         0025        70025   12/24/2011  1/6/2012    3   
316 1979    313         0025        70025   12/24/2011  1/6/2012    3   
320 1997    317         0007        140007  1/1/2012    1/4/2012    2   
321 1997    318         0007        140007  1/1/2012    1/4/2012    2

我的方法是使用if语句，但我遇到了麻烦。

    KEY     CLAIM       LastFour    NUM     Date1       Date2     Code  Keep
166 0944    163         0087        30087   3/2/2012    3/5/2012    1   FALSE
167 0944    164         0087        30087   3/3/2012    3/5/2012    1   TRUE
225 1413    222         2290        123422  2/10/2012   2/11/2012   1   TRUE
226 1413    223         0032        123123  2/10/2012   2/11/2012   1   TRUE
315 1979    312         0025        70025   12/24/2011  1/6/2012    3   FALSE
316 1979    313         0025        70025   12/24/2011  1/6/2012    3   TRUE
320 1997    317         0007        140007  1/1/2012    1/4/2012    2   FALSE
321 1997    318         0007        140007  1/1/2012    1/4/2012    2   TRUE

我感谢任何帮助。

Answer 1

我不是这种方法的粉丝，但它完成了工作......

我最后分别创建了三个规则。我针对数据框运行了前两个规则，但第三个规则对前两个规则有一些依赖性，所以我必须在最后运行它。在我运行第三条规则之前，我通过识别在规则1和规则2完成后尚未更改的行，从前一个规则中创建了一个较小的数据帧。这非常令人费解，但完成了工作。

PartA = ((df['KEY'] == df['KEY'].shift(-1)) & ((df['LastFour'].isin(LII_range)) | (df['LastFour'].str.get(0).isin(Begin_with))) & ((df['LastFour'].shift(-1).isin(s_term)) | (df['NUM'].shift(-1).isin(['670899'])))) \
| (((df['LastFour'].shift(1).isin(LII_range)) | (df['LastFour'].shift(1).str.get(0).isin(Begin_with))) & (df['KEY'] == df['KEY'].shift(1)) & ((df['LastFour'].isin(s_term)) | (df['NUM'].isin(['670899']))))

PartB = ((df['KEY'] == df['KEY'].shift(-1)) & (df['Date1'] == df['Date1'].shift(-1)) & (df['Code'] == df['Code'].shift(-1)) & (df['CLM_CD'] == df['CLM_CD'].shift(-1)) & (df['Date2'] != df['Date2'].shift(-1)) & (df['CLAIM'] > df['CLAIM'].shift(-1))) |\
((df['KEY'] == df['KEY'].shift(1)) & (df['Date1'] == df['Date1'].shift(1)) & (df['Code'] == df['Code'].shift(1)) & (df['CLM_CD'] == df['CLM_CD'].shift(1)) & (df['Date2'] != df['Date2'].shift(1)) & (df['CLAIM_NO'] > df['CLAIM_NO'].shift(1)))

PartC = ((df['KEY'].isin(C_Ids)) & ((df['KEY'] == df['KEY'].shift(-1)) & (df['CLAIM'] > df['CLAIM'].shift(-1))))|\
((df['KEY'].isin(C_Ids)) & ((df['KEY'] == df['KEY'].shift(1)) & (df['CLAIM_NO'] > df['CLAIM_NO'].shift(1))))

df['Keep'] = PartA | PartB # run through the first two rules

#Find the all unique rows that where 'Keep'==False and where 'Keep'==True, then subtract lists and store rows in list into a dataframe. Apply PartC rule on this dataframe.
C_F_Ids = df[df['Keep']==False]['KEY'].unique()
C_T_Ids = df[df['Keep']==True]['KEY'].unique()
C_Ids = [item for item in C_F_Ids if item not in C_T_Ids] 

#Rerun all the rules to cleanup all rows
df['Keep'] = PartA | PartB | PartC

最终输出：

    KEY     CLAIM       LastFour    NUM     Date1       Date2     Code  Keep
166 0944    163         0087        30087   3/2/2012    3/5/2012    1   FALSE
167 0944    164         0087        30087   3/3/2012    3/5/2012    1   TRUE
225 1413    222         2290        123422  2/10/2012   2/11/2012   1   TRUE
226 1413    223         0032        123123  2/10/2012   2/11/2012   1   TRUE
315 1979    312         0025        70025   12/24/2011  1/6/2012    3   FALSE
316 1979    313         0025        70025   12/24/2011  1/6/2012    3   TRUE
320 1997    317         0007        140007  1/1/2012    1/4/2012    2   FALSE
321 1997    318         0007        140007  1/1/2012    1/4/2012    2   TRUE

Pandas：如果语句在pandas数据帧上有多个条件

1 个答案: