Question

我有以下df，

pri_key          doc_no    c_code
[9001, 7620]     767       0090
[9001, 7620]     767       0090
[9002, 7530]     768       4100
[9002, 7530]     769       3000
[9003, 7730]     777       4000
[9003, 7730]     777       4000
[9003, 7730]     779       4912

我需要先对pri_key进行散列，然后对pri_key进行分组散列，然后从doc_no中排除行具有相同的c_code和df组合的组；

 df["doc_group"] = df['pri_key'].apply(lambda ls: hash(tuple(sorted(ls))))

 grouped = df.groupby("doc_group")

 m = grouped[['doc_no', 'c_code']].apply(lambda x: len(np.unique(x.values)) > 1)

 df = df.loc[m]

但是它不起作用

pandas.core.indexing.IndexingError: Unalignable boolean Series provided as indexer (index of the boolean Series and of the indexed object do not match

我想知道如何解决这个问题。这样的结果看起来就像

pri_key          doc_no    c_code
[9002, 7530]     768       4100
[9002, 7530]     769       3000
[9003, 7730]     777       4000
[9003, 7730]     777       4000
[9003, 7730]     779       4912

Answer 1

您可以对pri_key进行元组化和散列，然后使用它对df进行分组：

grouper = [hash(tuple(x)) for x in df['pri_key']]
df[df.groupby(grouper)[['doc_no', 'c_code']].transform('nunique').gt(1).all(1)]

        pri_key  doc_no  c_code
2  [9002, 7530]     768    4100
3  [9002, 7530]     769    3000
4  [9003, 7730]     777    4000
5  [9003, 7730]     777    4000
6  [9003, 7730]     779    4912

按熊猫GroupBy中的列表列分组

1 个答案: