python - 根据自定义条件过滤 csv 中的行

Question

假设我有一个如下所示的 csv

+-----+-----------+---------+
| ID  | state     | city    |
+-----+-----------+---------+
| 101 | READY     |         |
| 101 | DELIVERED | NEWYORK |
| 101 | DELIVERED | LONDON  |   
| 102 | READY     |         |
| 102 | DELIVERED | LONDON  |
| 103 | READY     |         |
| 103 | DELIVERED | NEWYORK |
| 104 | READY     |         |
| 104 | DELIVERED | TOKYO   |
| 104 | DELIVERED | PARIS   |
| 105 | DELIVERED | NEWYORK |
+-----+-----------+---------+

现在我想要状态为 READY 的 ID，其中 DELIVERED 为 NEWYORK。

• 同一 ID 在不同的州和城市会出现多次。
• READY 的 city 始终为空
• DELIVERED 的city 始终会有一些值。

所以首先我想检查 DELIVERED state 的 city 列的值。如果是 NEWYORK，则采用该 ID 的 READY 行。如果没有 READY 行，那么我们可以忽略(本例中的 ID 105)

预期输出

+-----+-----------+---------+
| ID  | state     | city    |
+-----+-----------+---------+
| 101 | READY     |         |
| 103 | READY     |         |
+-----+-----------+---------+

我尝试过在 pandas 中使用自连接。但我不知道如何进一步进行，因为我是 python 新手。目前我正在 SQL 中执行此操作。

import pandas as pd
mydata = pd.read_csv('C:/Mypython/Newyork',encoding = "ISO-8859-1")
NY = pd.merge(mydata,mydata,left_on='ID',right_on='ID',how='inner')

Answer 1

让我们尝试使用 groupby().transform() 来识别那些带有 NEWYORK 的内容，然后使用 bool 索引:

has_NY = df['city'].eq('NEWYORK').groupby(df['ID']).transform('any')

mask = df['state'].eq('READY') & has_NY

df[mask]

输出:

    ID  state  city
0  101  READY  None
5  103  READY  None