python - 如何在 pandas 的多列和多行上选择具有条件的值(最佳实践)

Question

我想根据多列和多行的条件从 Pandas 数据框中的一列中选择(唯一)值。考虑以下示例数据框:

df = pd.DataFrame({'Developer': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
                   'Language': ['Java', 'Python', 'Python', 'Java', 'Python', 'Python', 'Java', 'Python', 'C++'],
                   'Skill_Level': [1, 3, 3, 3, 2, 3, 3, 1, 3],
                   'Version': ["x.x", "2.x", "3.x", "x.x", "2.x", "3.x", "x.x", "3.x", "x.x"]
                   })

    Developer    Language    Skill_Level    Version
0           A        Java              1        x.x
1           A      Python              3        2.x
2           A      Python              3        3.x
3           B        Java              3        x.x
4           B      Python              2        2.x
5           B      Python              3        3.x
6           C        Java              3        x.x
7           C      Python              1        3.x
8           C         C++              3        x.x

现在我想找到所有了解 Java 且技能水平至少为 3 并且还了解 Python(无论哪个版本)且技能水平至少为 2 的开发人员。

我现在解决它的方法是根据 Java 条件选择一组，根据 Python 条件选择另一组，然后进行内部合并以获得匹配所有条件的开发人员组:

result_java_df = df[(df["Language"] == "Java") & (df["Skill_Level"] >= 3)][["Developer"]]
result_python_df = df[(df["Language"] == "Python") & (df["Skill_Level"] >= 2)][["Developer"]]
result_df = result_java_df.merge(result_python_df, on="Developer")
result_df = result_df.drop_duplicates()

    Developer
0   B

是否有更“优雅”的方式来做到这一点？我觉得我忽略了某事。特别是如果我想根据更多基于行的条件进行选择(例如，选择在特定技能水平上了解 4 种语言的开发人员)，这将变得非常复杂，当然，编写一个函数来处理此类选择是合理的。因此，我想知道 pandas 是否以某种方式支持此功能，但我只是没有找到该功能。

Answer 1

当我跑的时候

    qualified=    df.groupby("Developer").apply(
        lambda x: 
            any(
                    (x.Language == "Java") & 
                    (x.Skill_Level >=3)
                ) & 
            any(
                    (x.Language == "Python") & 
                    (x.Skill_Level >= 2))
        )

我得到了

Developer
A    False
B     True
C    False
dtype: bool

然后您可以使用各种方法进行子集化，例如

[developer for developer,status in qualified.items() if status]

(返回一个列表)

或

qualified[qualified]

(返回一个系列)

如果你想让它更通用，你可以这样做:

minimum_skill_levels = {"Java":3,
                    "Python":2}

qualified=    df.groupby("Developer").apply(
        lambda x: 
            all([any(
                    (x.Language == Language)&
                    (x.Skill_Level >= Skill_Level)
                    )
                 for Language, Skill_Level in minimum_skill_levels.items()
                 ])
        )