根据熊猫中的多个条件过滤分组的行

Question

给出如下数据框：

  city district        date  price
0   bj       cy  2019-03-01    NaN
1   bj       cy  2019-04-01    6.0
2   sh       hp  2019-03-01    4.0
3   sh       hp  2019-04-01    3.0
4   bj       hd  2019-03-01    7.0
5   bj       hd  2019-04-01    NaN

当同时满足以下两个条件时，我需要过滤city和district的分组行：date是2019-04-01并且price是{{ 1}}。

我已经用以下代码进行了测试：

NaN

出局：

df['date'] = pd.to_datetime(df['date']).dt.date.astype(str)
df.groupby(['city','district']).filter(lambda x: (x['price'].isnull() & x['date'].isin(['2019-04-01'])).any())

另一项测试：

  city district        date  price
4   bj       hd  2019-03-01    7.0
5   bj       hd  2019-04-01    NaN

出局：

df.groupby(['city','district']).filter(lambda x: (x['price'].isnull() & x['date']).any())

但是我需要如下。如何修改上面的代码？非常感谢。

  city district        date  price
0   bj       cy  2019-03-01    NaN
1   bj       cy  2019-04-01    6.0
4   bj       hd  2019-03-01    7.0
5   bj       hd  2019-04-01    NaN

Answer 1

我认为您需要反转掩码-这里&到|，isnull到notna，eq到ne和{{1 }}到any：

all

或者可以使用df['date'] = pd.to_datetime(df['date']) f = lambda x: (x['price'].notna() | x['date'].ne('2019-04-01')).all() df = df.groupby(['city','district']).filter(f) print (df) city district date price 0 bj cy 2019-03-01 NaN 1 bj cy 2019-04-01 6.0 2 sh hp 2019-03-01 4.0 3 sh hp 2019-04-01 3.0 将布尔值not转换为True并将False转换为False：

True