python - 使用条件在 python pandas 中进行内部连接

Question

我试图在 python/pandas 中复制在 SQL 中相当简单的内容，但我卡住了。

我想获取一个包含三列的数据框:

dataframe1

    Org Des Score
0   A   B   10
1   A   B   11
2   A   B   15
3   A   C   4
4   A   C   4.5
5   A   C   6
6   A   D   100
7   A   D   110
8   A   D   130

并过滤掉每个 Org-Des 组合的所有大于最小值 * 1.2 的分数值。

所以输出表将是:

output_dataframe

    Org Des Score
0   A   B   10
1   A   B   11
3   A   C   4
4   A   C   4.5
6   A   D   100
7   A   D   110

对于第一个 Org-Des 组合，A-B，最小分数为 10 且 (1.2 * min) = 12。因此第 0 行和第 1 行将被保留，因为分数 10 和 11 < 12。第 3 行将被淘汰，因为它大于 12。

对于 A-C，最小分数为 4 且 (1.2 * min) = 5。因此保留第 3 行和第 4 行，因为它们 < 5。依此类推...

我的方法

我想我会使用以下方法:

1. 使用 groupby 函数通过 Org-Des 对创建一个数据框:

   dataframe2 = pd.DataFrame(dataframe1.groupby(['Org','Des'])['Score'].min())
   

2. 然后在 dataframe1 和 dataframe2 之间进行内部连接(或合并？)，条件是每个 Org-Des 对类型的分数 < 1.2 * min。

但由于两个原因，我无法让它工作，1) dataframe2 最终变成了一个时髦的形状，我需要弄清楚如何与 dataframe1 连接或合并，或者转换然后连接/合并和 2) 我不知道如何将标准设置为加入/合并的一部分。

这是正确的方法还是有更 pythonic 的方法来实现相同的目标？

编辑以反射(reflect)@Psidom 的回答:

我试过你建议的代码，但它给了我一个错误，这里是完整的代码和输出:

In: import pandas as pd 
    import numpy as np 

In: df1 = pd.DataFrame({'Org': ['A','A','A','A','A','A','A','A','A'],
                        'Des': ['B','B','B','C','C','C','D','D','D'],
                        'Score': ['10','11','15','4','4.5','6','100','110','130'], })

Out:    Org Des Score
    0   A   B   10
    1   A   B   11
    2   A   B   15
    3   A   C   4
    4   A   C   4.5
    5   A   C   6
    6   A   D   100
    7   A   D   110
    8   A   D   130

In: df2 = pd.DataFrame(df1.groupby(['Org','Des'])['Score'].min())
    df2

Out:        Score
    Org Des 
    A   B   10
        C   4
        D   100

In: df1 = pd.merge(df1, df2.groupby(['Org', 'Des']).min()*1.2, left_on = ['Org', 'Des'], right_index=True)
    df.loc[df1.Score_x < df1.Score_y, :]

Out: KeyError: 'Org' #It's a big error but this seems to be the relevant part.  Let me know if it would be useful to past the whole error.  

我怀疑我可能混淆了 df1、df2 和 df？我更改了原始答案帖子以匹配代码。

Answer 1

您可以这样设置加入条件。对于原始数据框，将连接列设置为 ['Org', 'Des']，对于聚合数据框，分组列成为索引，因此您需要设置 right_index 为真，那么它应该按预期工作:

import pandas as pd
df1 = pd.DataFrame({'Org': ['A','A','A','A','A','A','A','A','A'],
                    'Des': ['B','B','B','C','C','C','D','D','D'],
                    'Score': [10,11,15,4,4.5,6,100,110,130]})
df2 = pd.DataFrame(df1.groupby(['Org','Des'])['Score'].min())

df3 = pd.merge(df1, df2, left_on = ['Org', 'Des'], right_index=True)
df1.loc[df3.Score_x < df3.Score_y * 1.2, ]

#  Org  Des Score
#0  A   B   10.0
#1  A   B   11.0
#3  A   C   4.0
#4  A   C   4.5
#6  A   D   100.0
#7  A   D   110.0