Question

我有3列的pandas数据框：

df = pd.DataFrame({'DEST_NAME':['A','A','B','B','C','D','E','E','F'],
                   'ID':['4624','4625','4624','4625','4625','4625','4624','4625','4625'],
                   'COUNT':[203,202,100,23,2,200,203,2022,201]})

    DEST_NAME   ID      COUNT
0   A           4624    203
1   A           4625    202
2   B           4624    100
3   B           4625    23
4   C           4625    2
5   D           4625    200
6   E           4624    203
7   E           4625    2022
8   F           4625    201
9   D           4625    125
10  D           4625    122
11  C           4625    3

我尝试获取其中DEST_NAME仅具有ID的{{1}}而不是4625的行。因此，如果4624在列DEST_NAME中同时具有4624和4625条目，则基本上排除在外。因此结果将如下所示：

ID

Answer 1

您可以提取范围内和范围外的DEST_NAME。然后使用pd.Series.isin并结合您的两个条件：

ids_inc = df.loc[df['ID'] == '4625', 'DEST_NAME']
ids_exc = df.loc[df['ID'] == '4624', 'DEST_NAME']

res = df[df['DEST_NAME'].isin(ids_inc) & ~df['DEST_NAME'].isin(ids_exc)]

print(res)

   COUNT DEST_NAME    ID
4      2         C  4625
5    200         D  4625
8    201         F  4625

Answer 2

您可以检查哪些行包含ID和4625 GroupBy的{{1}}，以仅保留所有值为DEST_NAME的行。然后使用这些值对数据框执行布尔索引：

True

Answer 3

尝试：

df_filtered = df[df['ID'] == '4625'].copy()

Answer 4

df = pd.DataFrame({'DEST_NAME':['A','A','B','B','C','D','E','E','F'],
                   'ID':['4624','4625','4624','4625','4625','4625','4624','4625','4625'],
                   'COUNT':[203,202,100,23,2,200,203,2022,201]})

df2=df[df['ID']=='4625']

结果：

COUNT DEST_NAME    ID
1    202         A  4625
3     23         B  4625
4      2         C  4625
5    200         D  4625
7   2022         E  4625
8    201         F  4625

Answer 5

我发现pandas.DataFrame.query方法是一种过滤数据的好方法。我想在您的情况下，它会给出：

df.query("ID == '4625' & ID != 4624")

熊猫只选择行，其中列中的唯一字符串只有另一列中的一个特定字符串

5 个答案: