python - 如何在 Python 中使用 pandas 满足特定条件后删除观察结果

Question

我正在使用 pandas 数据框，我想在满足条件 (cond=1) 后删除同名的观察结果。

我的数据集如下所示:

person    cond
  A         0    
  A         0    
  A         1
  A         0
  A         0
  B         0 
  B         1
  C         1
  C         0

我想得到这个:

person    cond
  A         0    
  A         0
  A         1    
  B         0 
  B         1    
  C         1

我希望代码首先检查下一个人是否具有相同的名称，然后检查是否满足条件(cond=1)，如果满足，则删除所有具有相同名称的下一行。

有人可以帮我解决这个问题吗？

Answer 1

您可以使用groupby和应用一个lambda来实现这一点，该lambda使用从头开始切片df直到第一个最大值idxmax，在本例中将是第一个 1 值:

In [16]:
df.groupby('person')['cond'].apply( lambda x: x.loc[:x.idxmax()]).reset_index()

Out[16]:
  person  level_1  cond
0      A        0     0
1      A        1     0
2      A        2     1
3      B        5     0
4      B        6     1
5      C        7     1

您还可以额外调用 drop 来删除 'level_1' 列:

In [23]:
df.groupby('person')['cond'].apply( lambda x: x.loc[:x.idxmax()]).reset_index().drop('level_1', axis=1)

Out[23]:
  person  cond
0      A     0
1      A     0
2      A     1
3      B     0
4      B     1
5      C     1

更新

为了处理组中没有 1 的情况，我们可以测试 lambda 中是否存在这种情况:

In [24]:
import pandas as pd
import io
# setup some data
t="""person    cond
  A         0    
  A         0    
  A         1
  A         0
  A         0
  B         0 
  B         1
  C         1
  C         0
  D         0
  D         0"""
df = pd.read_csv(io.StringIO(t), delim_whitespace=True)
df

Out[24]:
   person  cond
0       A     0
1       A     0
2       A     1
3       A     0
4       A     0
5       B     0
6       B     1
7       C     1
8       C     0
9       D     0
10      D     0

In [29]:
df.groupby('person')['cond'].apply( lambda x: x.loc[:x.idxmax()] if len(x[x==0]) != len(x) else x)

Out[29]:
person    
A       0     0
        1     0
        2     1
B       5     0
        6     1
C       7     1
D       9     0
        10    0
Name: cond, dtype: int64

所以在这里我们测试所有值是否都是0，如果是，则返回该组，否则我们像以前一样进行切片