Pandas 数据框中的分组匹配

Question

我有一个有两列的熊猫数据框。第一列代表name该项目，第二列代表它的一些编码为整数的属性。一个项目可以有多个属性。这是一个示例    name                ids0   A                   147 616 8131   B                   51 616 13 8132   C                   7763   D                   51 671 13 813 10924   E                   13 404 492 903 1093有 300 个这样的独特属性编码为整数，然后以id列中的字符串表示。我想要达到的目标：对于每个 id 找到它出现的行。例如，为了检查id13，我将获取行1, 3 and 4。在我们的数据集中与此 ID 对应的所有唯一 ID 是什么？例如，我会说，对于 id13: [51, 616, 813, 671, 1092, 404, 492, 903, 1093]一旦我们为每个 id 分组了行，我如何比较给定的 id 是否在该组中？例如，我想检查 id52是否曾经与 id 一起出现13，如果是，在哪里以及发生了多少次？我一直在考虑这么久，但无法找到一种有效的方法来获得前两个和有效的方法以及 3）的 DS。请帮忙！

Answer 1

不使用任何 for 循环的解决方案

import pandas as pd

import numpu as np

df = pd.DataFrame({'name':'A B C D E'

                   .split(),'ids':['147 616 813','51 616 13 813','776','51 671 13 813 1092','13 404 492 903 1093']})

#Every input of i_d to functions in int

#to get indexes where id occurs

def rows(i_d):

    i_d = str(i_d)

    pattern1 = "[^0-9]" +i_d+"[^0-9]"

    pattern2 = i_d+"[^0-9]"    

    pattern3 = "[^0-9]" +i_d 

    mask = df.ids.apply(lambda x: True if (len(re.findall(pattern1,x)) > 0) | (len(re.findall(pattern2,x))) | (len(re.findall(pattern3,x)) > 0) else False)

    return df[mask].index.tolist()

#to get other ids occuring with the id in discussion

def colleagues(i_d):

    i_d = str(i_d)

    df.loc[rows(i_d),'temp'] = 1

    k =list(set(df.groupby('temp').ids.apply(lambda x: ' '.join(x)).iloc[0].split()))

    k.remove(i_d)

    df.drop('temp',axis=1,inplace=True)

    return k

#to get row indexes where 2 ids occur together

def third(i_d1,i_d2):

    i_d1 = str(i_d1)

    i_d2 = str(i_d2)

    common_rows = list(np.intersect1d(rows(i_d1),rows(i_d2)))

    if len(common_rows) > 0:

        return print('Occured together at rows ',common_rows)

    else:

        return print("Didn't occur together")

Answer 2

这是三个功能的建议：

import pandas as pd

# first we create the data

data = pd.DataFrame({'name': ['A','B','C','D','E'],

                'ids': ['147 616 813','51 616 13 813','776','51 671 13 813 

1092','13 404 492 903 1093']})

def func1(num, series):

    # num must be an int

    # series a Pandas series

    tx = series.apply(lambda x: True if str(num) in x.split() else False)

    output_list = series.index[tx].tolist()

    return output_list

 def func2(num, series):

    # num must be an int

    # series a Pandas series

    series = series.iloc[func1(num, series)]

    series = series.apply(lambda x: x.split()).tolist()

    output_list = set([item for sublist in series for item in sublist])

    output_list.remove(str(num))

    return list(output_list)

def func3(num1,num2,series):

    # num1 must be an int

    # num2 must be an int

    # series a Pandas series

    if str(num1) in func2(num2, series):

        num1_index = func1(num1, series)

        num2_index = func1(num2, series)

        return list(set(num1_index) & set(num2_index))

    else:

        return 'no match'

然后你可以测试它们：

func1(13, data['ids'])

func2(13, data['ids'])

func3(13,51,data['ids'])