python - 如何删除 `row[patient_id]` 重复的行和 `row[Target]==0` ？

Question

我想从 .csv 文件中删除所有行，其中:

1) 行[patent_id]重复

2) 行[目标] == 0

列名:患者 ID x y w h 目标

patientId        x      y     w       h      Target
'2341-vcb1'    '10'   '20'   '30'   '40'      '1'
'2341-vcb1'    '70'   '20'   '70'   '40'      '1'
'2341-vcb1'                                   '0'   <-delete it
'1111-xcsc'                                   '0'
'2341-v233'    '34'   '43'   '10'   '29'      '1'

image

df2 = df2.drop_duplicates(subset='PatentId' && ??? )

Answer 1

您可以做的一件事是创建一个列，在其中计算目标的累积总和。首先按患者 ID 对 df 进行排序，然后按降序对目标进行排序，然后使用 groupby 和 cumsum 函数将目标相加(称为 target_sum)。获得该列后，您可以删除 target = 0 且 target_sum > 0 的行。

背后的逻辑:

• 如果 id 在 target == 0 的行上方有其他有效行(因为我们已经对其进行了排序)，则 target_sum 应 >0。因此，如果我们看到 target_sum >0，我们就知道该行有重复的 id。
• 如果 target_sum = 0，则意味着特定 id 没有任何其他具有有效值的行，因此我们要保留它。

<小时/>

df['target_sum'] = df.sort_values(by=['patientID','Target'], ascending=False).Target.groupby('patientID').cumsum()

df = df[~ (df['Target'] == 0) & (df['target_sum' > 0])]