python - Groupby 并提取仅包含具有模式值的组

Question

我有一个数据框，例如:

COL1 COL2 
G1 AHA_(+)jjd
G1 6EGEGUG
G1 897E97eh
G1 77E97E
G2 8JHEJE_(-)
G2 8JHEJE_(+)
G3 TTTD
G3 YYYDD
G4 DTTDHD
G4 DYD
G5 tTDHD(+)
G6 DGDGGD

并且我想将 Gnumber 添加到仅包含包含模式 () 的 COL2 值的列表中.

她我应该得到

预期输出:

print(list)

[G2,G5]

感谢您的帮助

Answer 1

使用 Series.str.contains 带有否定掩码 ~并通过 Series.isin 测试匹配值:

#filter values with ()
m1 = df['COL2'].str.contains(('\(.*\)'))
#filter COL1 values with no ()
m2 = df.COL1.isin(df.loc[~m1, 'COL1'])

#filter values only with ()
out = df.loc[~m2, 'COL1'].unique()
print (out)
['G2' 'G5']

或使用 GroupBy.all 用于测试是否全部 True s 每组然后过滤索引值:

s = df['COL2'].str.contains(('\(.*\)')).groupby(df['COL1']).all()

out = s.index[s]
print (out)
Index(['G2','G5'], dtype='object', name='COL1')