python - Pandas 数据框按列比较 2 组的字符串值

Question

我有一个看起来像这样的数据集-

ID        Search    Provider
1           Yes     A
1           Yes     B
1           No      B
1           No      C
2           Yes     D
2           Yes     A
2           Yes     B
2           No      B
2           No      C

我想知道的是，对于给定 ID，Search==Yes 的 Provider 是否不同于 Search==No。例如-“ID 1”、“Search=No”转到提供商 B、C，而“Search=Yes”转到提供商 A、B。因此提供者 A 对于 ID 1 是新的。

我知道我可以使用 isin 函数来识别两个列表之间的唯一值。但是，如何跨越多行 ID 和 Search 执行此操作？以及如何将 Provider 值编译到由 ID 和 Search 定义的每个子组的列表中？我想我将需要使用嵌套循环但无法编写代码。如果有人可以帮助我，我将不胜感激。

Answer 1

与其编译成列表，不如考虑集合。从一般意义上讲，这可能更有用，因为我认为顺序和冗余无关紧要。此外，更容易确定哪些提供者属于一组而不是另一组。您可以使用 pivot_table 重新排列数据框以执行此操作:

df_new = df.pivot_table(index='ID', columns='Search', aggfunc=set).droplevel(0, axis=1)

结果:

Search      No        Yes
ID                       
1       {C, B}     {A, B}
2       {C, B}  {D, A, B}

有了这个新的数据框，您可以轻松地比较具有相同“ID”的值:

# df_new['No'] == df_new['Yes']   # If providers are the same between "yes" and "no"
df_new['Yes'] - df_new['No']      # Providers that are in "yes" but not "no"

结果(集差):

ID
1       {A}
2    {D, A}
dtype: object