Question

        A     B     C
0    blue  14.5  14.0
1    blue  14.0  14.0
2    blue  13.5  14.0
3    blue  12.0  14.0
4    blue  10.5  14.0
5   green  20.0  19.0
6   green  19.0  19.0
7   green  18.5  19.0
8   green  18.0  19.0
9   green  17.5  19.0
10  green  16.0  19.0

我想创建一个新的df1，其中包含下一个条件，每个 A组（“蓝色”和“绿色”）：

选择 B = C 的行和 B = C-1
如果组中不存在满足条件（B = C-1）的任何 B值，请进一步选择下一行这将是对应的。例如，在“蓝色组”中， B = C - 1 将 14.0 - 1 = 13.0 。由于不存在任何13.0“蓝色组”，请选择df中存在的下一行，即：

3 blue 12.0 14.0

df1应为：

       A     B     C
1   blue  14.0  14.0
3   blue  12.0  14.0
6  green  19.0  19.0
8  green  18.0  19.0

我试过了：

df1 = df[(df["B"] == df["C"]) | (df["B"] == df["C"]-1)]

Answer 1

使用：

首先创建帮助列D，C按计数减去GroupBy.cumcount - 获取所有可能的值B == C-0,1,2,3...
使用groupby按群组isin进行过滤，删除列D
如有必要，请按sort_values

A

B

按计数器boolean indexing

df['D'] = df['C'].sub(df.groupby('A').cumcount())
df = df[df.groupby('A').apply(lambda x: x['B'].isin(x['D'])).values].drop('D',1)
df = df.sort_values(['A','B'], ascending=[True, False])
df = df[df.groupby('A').cumcount() < 2]
print (df)
       A     B     C
1   blue  14.0  14.0
3   blue  12.0  14.0
6  green  19.0  19.0
8  green  18.0  19.0

Answer 2

条件：

row where B = C - 1
if not exists B = C - 1, then row with largest B, such that B < C - 1

可以组合成1个条件：

row with largest B, such that B <= C - 1

如果您的数据是第一个条件，即所有组都存在row where B = C，那么您可以像这样编写投影：

res = df[(df.B == df.C) | (df.B <= df.C - 1)].sort_values('B').groupby('A').tail(2)

# output:

       A     B     C
3   blue  12.0  14.0
1   blue  14.0  14.0
8  green  18.0  19.0
6  green  19.0  19.0

如果第一个条件B = C与某些组不匹配，则使用pd.concat结合两个单独的投影：

res = pd.concat([df[df.B == df.C], 
                 df[df.B <= df.C - 1].sort_values('B').groupby('A').tail(1)])

# or you can split this long line into a couple of lines for better 
# readibility
# p1 = df[df.B == df.C]
# p2 = df[df.B <= df.C - 1].sort_values('B').groupby('A').tail(1)
# res = pd.concat([p1, p2])
# output:

       A     B     C
1   blue  14.0  14.0
6  green  19.0  19.0
3   blue  12.0  14.0
8  green  18.0  19.0

如您所见，对于第二个解决方案，行不会按您在问题中指定的顺序返回，因此如果您需要有序结果，则可能需要进一步的多列排序：

res.sort_values(['C', 'B'], ascending=[True, False])

Answer 3

对于第二个条件：B = C - 1，

我们可以设置条件B - C <= -1然后

在每个组中找到满足此条件的第一行的索引。

idx_cond = df.groupby("A").apply(
               lambda x: x.where(x.B-x.C <= -1).first_valid_index())
# A
# blue     3
# green    8
# dtype: int64
pd.concat([df[df.B == df.C], df.loc[idx_cond]])

选择具有条件的组中的行

3 个答案: