Question

在此示例中，我具有用于在不同站点位置进行测试的记录。

lapply(trees_with_fossil, plot.phylo)

我需要标记网站的测试有2个或更多（失败）测试失败的行。

我认为这需要分组和计数，并提出以下建议：

df = pd.DataFrame({'test_id': [1,2,3,4,5,6,7,8, 9],
                   'name':['site1', 'site2', 'site3', 'site4', 'site1', 'site2', 'site3', 'site4', 'site5'],
                   'value':['elevated', 'ok', 'high', 'ok', 'elevated', 'elevated','elevated', 'elevated', 'ok']})


   test_id   name     value
0        1  site1  elevated
1        2  site4        ok
2        3  site2      high
3        4  site3        ok
4        5  site2  elevated
5        6  site1  elevated
6        7  site3        ok
7        8  site4  elevated
8        9  site5        ok

是否有更好的方法来解决此问题？我不是熊猫专家。

Answer 1

您的解决方案很好！尽管您可以通过摆脱lambda函数来加快速度，并且仅使用本机矢量化方法。

因此，我们首先得到一个布尔数组，其中所有行都不等于ok。然后，我们根据name进行分组，并使用sum为每个组获取transform。最后，我们检查哪些行带有sum > 1的{{1}}，Series.gt代表greater than，例如>。

df['flag'] = df['value'].ne('ok').groupby(df['name']).transform('sum').gt(1)

   test_id   name     value   flag
0        1  site1  elevated   True
1        2  site2        ok  False
2        3  site3      high   True
3        4  site4        ok  False
4        5  site1  elevated   True
5        6  site2  elevated  False
6        7  site3  elevated   True
7        8  site4  elevated  False
8        9  site5        ok  False

熊猫-查找两个或多个满足条件的行

1 个答案: