根据自定义条件过滤 csv 中的行

Question

假设我有一个如下所示的 csv+-----+-----------+---------+| ID  | state     | city    |+-----+-----------+---------+| 101 | READY     |         || 101 | DELIVERED | NEWYORK || 101 | DELIVERED | LONDON  |   | 102 | READY     |         || 102 | DELIVERED | LONDON  || 103 | READY     |         || 103 | DELIVERED | NEWYORK || 104 | READY     |         || 104 | DELIVERED | TOKYO   || 104 | DELIVERED | PARIS   || 105 | DELIVERED | NEWYORK |+-----+-----------+---------+现在我想要带有 State 的 ID，READY它有DELIVEREDas NEWYORK。相同的 ID 会在不同的州和城市出现多次。总是READYcity为空cityDELIVERED总是有一些值。city所以首先我想检查DELIVERED列的值state。如果是 NEWYORK，则取该 ID 的 READY 行。如果没有对应READY的行，那么我们可以忽略（本例中的 ID 105）预期产出+-----+-----------+---------+| ID  | state     | city    |+-----+-----------+---------+| 101 | READY     |         || 103 | READY     |         |+-----+-----------+---------+我试过在熊猫中使用自我加入。但是我不知道如何继续，因为我是 python 的新手。目前我正在用 SQL 做这件事。import pandas as pdmydata = pd.read_csv('C:/Mypython/Newyork',encoding = "ISO-8859-1")NY = pd.merge(mydata,mydata,left_on='ID',right_on='ID',how='inner')

Answer 1

让我们尝试用布尔索引来groupby().transform()识别那些：NEWYORK

has_NY = df['city'].eq('NEWYORK').groupby(df['ID']).transform('any')

mask = df['state'].eq('READY') & has_NY

df[mask]

输出：

    ID  state  city

0  101  READY  None

5  103  READY  None

Answer 2

使用NEWYORK条件获取 ID 列表，然后使用该列表进行过滤。

new_york_ids = df.loc[df['city']=='NEWYORK', 'ID']

df[(df['state']=='READY') & (df['ID'].isin(new_york_ids))]

    ID  state  city

0  101  READY  None

5  103  READY  None