python - 根据不同的条件选择一组元素

Question

我有一个对象列表，其中包含 2 个属性和一个分数。

作为 pandas DataFrame 的示例:

   name  length      age     score
0     a    long  archive  3.783075
1     b    long      new  1.374101
2     c    long  archive  2.966182
3     d  medium   recent  2.597856
4     e  medium   recent  4.660299
5     f    long      new  2.881734
6     g  medium  archive  0.504617
7     h    long      new  3.992420
8     i  medium  archive  1.358410
9     j    long  archive  1.381186
10    k   short   recent  0.752018
11    l   short  archive  4.939279
12    m    long  archive  3.455712
13    n   short   recent  2.715878
14    o   short   recent  3.768798
15    p   short      new  2.010524

我需要从得分最高的列表中选择 5 个对象(名称)，但要遵循一些条件，例如“至少 2 个需要 length=short 并且至少 2 个需要是 age=new，(但一个元素不一定是两者)”。

在合理的 pythonic 庄园中这可能吗？或者这个问题是不可解决的，需要一些近似值。

到目前为止，我已经知道我可以按长度和年龄分组到桶中，但接下来的挑战变成了找出从每个桶中选择哪些元素。

我也尝试过按分数排序，只是从顶部开始，跳过可能矛盾的元素，但后来我发现我得到了我需要的 5，但没有填写一个条件，然后有找出要删除的内容。

我可以尝试先选择高分对象来符合标准，然后用剩下的任何东西填补空白。

我必须过滤数千个对象并选择前 10 个。我正在使用 SQL 缩小范围以仅搜索前 200 个对象(以使任何算法在合理的时间范围内执行)。也许我可以使用 SQL 查询更有效。
是否可以更精确地过滤(例如选择 10 个对象，4 个或更多短的和 2-5 个长的，5 个或更多新的或最近的)

Answer 1

试试这个

a = df.sort_values('score', ascending=False)
b= df.loc[df['length']=='short'].sort_values('score', ascending=False).head(5)
c = df.loc[df['age']=='new', :].sort_values('score', ascending=False).head(5)
d = pd.concat([a.iloc[:3,],b,c])
d.drop_duplicates().iloc[:10,]

详情

a = df.sort_values('score', ascending=False)

a 是得分最高的 dataframe

b= df.loc[df['length']=='short'].sort_values('score', ascending=False).head(5)

b 是具有 length=short 的 df，并按分数排序，只有前 5 名

c = df.loc[df['age']=='new', :].sort_values('score', ascending=False).head(5)

c 是 age=new 的 df，按分数排序，只有前 5 名

d = pd.concat([a.iloc[:3,],b,c])
d.drop_duplicates().iloc[:10,]

然后我们通过仅连接前 3 行(以便最高分始终出现在 d 中，无论如何)& 与 b 和 c 来创建 df d。然后我们删除重复项，这样如果 a 或 b 或 c 中的项目彼此存在，它们就会被删除并且我们有唯一的值。最后我们在 d 中只取 10 行。您可以尝试使用 head() 值和 iloc() 值来获得满足您需要的正确组合。

我得到的结果是

name    length  age     score
l   short   archive     4.939279
e   medium  recent  4.660299
h   long    new     3.992420
o   short   recent  3.768798
n   short   recent  2.715878
p   short   new     2.010524
k   short   recent  0.752018
f   long    new     2.881734
b   long    new     1.374101