python - 如何根据条件编辑包含序列的数据框列？

Question

我有一个数据帧，其中包含一个包含编码值的序列和记录它的日期(例如 (A,1))。我的目标是检查编码值 X 和 Y。如果它们发生在同一天，则从序列中删除 Y 值。

ID     Sequence
1      [(A,1), (B,1), (X,2), (Y,2), (Y,3)]
2      [(C,1), (X,2), (Y,2), (Z,2)]
3      [(C,1), (D,2), (X,3), (Y,3),(Z,3)]

我期待的结果是:

ID     Sequence
1      [(A,1), (B,1), (X,2), (Y,3)] 
2      [(C,1), (X,2), (Z,2)]
3      [(C,1), (D,2), (X,3), (Z,3)]

有什么办法可以编写一个函数来获得这些结果？任何帮助，将不胜感激。

Answer 1

如果第一个值在 X 或 Y 中，您可以在元组中的第 1 个索引(第 2 项)上检查集合成员资格(这对于此类用例来说非常快)，如果第二项已经存在，则不会附加列表，然后将此函数与 df.apply 一起使用

def fun(l):
    s = set()
    lst = []
    for i in l:
        if i[0] in ('X','Y'):
            if i[1] not in s:
                s.add(i[1])
                lst.append(i)
        else:
            lst.append(i)
    return lst

df['Sequence'].apply(fun) # df['Sequence']=df['Sequence'].apply(fun) assign back

0    [(A, 1), (B, 1), (X, 2), (Y, 3)]
1            [(C, 1), (X, 2), (Z, 2)]
2    [(C, 1), (D, 2), (X, 3), (Z, 3)]
Name: Sequence, dtype: object