0

我有这个数据集

custID     documentno    quantity    producttype
1          1281261658       3        accesories
1          1281261658       3        major
1          1281261658       3        accesories
2          0105162445       2        major      
2          0105162445       2        major
3          0100848728       2        major
3          0100848728       2        accesories
4          0106075074       1        major

因此，我想以一种我希望 documentno 至少包含一个“附件”的方式过滤数据集。所以我想删除其中只有“主要”的文档。

custID = {1,1,1,2,2,3,3,4}
documentno = {1281261658,1281261658,1281261658,0105162445,0105162445,0100848728,0100848728,0106075074}
quantity = {3,3,3,2,2,2,2,1}
producttype = {'accesories','major','accesories','major','major','major','accesories','major'}

最终结果是：

id     documentno   quantity    producttype
1      1281261658      3        accesories
1      1281261658      3        major
1      1281261658      3        accesories
3      0100848728      2        major
3      0100848728      2        accesories

我尝试了if else，但我做不到。

提前致谢

4

2 回答 2

0

给定pd.DataFrame df：

df = pd.DataFrame({'id' : [1,1,1,2,2,3,3,4],
                   'documentno' : ['1281261658','1281261658','1281261658','0105162445','0105162445','0100848728','0100848728','0106075074'],
                   'quantity' : [3,3,3,2,2,2,2,1],
                   'producttype' : ['accesories','major','accesories','major','major','major','accesories','major']})

尝试以下操作：

df.loc[df.documentno.isin(df.documentno[df.producttype.eq('accesories')].unique()),:]

结果是：

   id  documentno  quantity producttype
0   1  1281261658         3  accesories
1   1  1281261658         3       major
2   1  1281261658         3  accesories
5   3  0100848728         2       major
6   3  0100848728         2  accesories

作为过滤器df.documentno[df.producttype.eq('accesories')]，它返回documentno具有一个或多个accesories. 我假设quantity在数据集中df总是大于 0。

但是，如果quantity可能为零：

df = pd.DataFrame({'id' : [1,1,1,2,2,3,3,4],
                   'documentno' : ['1281261658','1281261658','1281261658','0105162445','0105162445','0100848728','0100848728','0106075074'],
                   'quantity' : [3,3,3,2,2,2,0,1],
                   'producttype' : ['accesories','major','accesories','major','major','major','accesories','major']})

只需添加条件df.quantity.gt(0)：

df.loc[ df.documentno.isin(df.documentno[(df.producttype.eq('accesories') & df.quantity.gt(0))].unique()) ,:]
于 2020-06-25T10:54:17.267 回答
0

这是我遵循的方法，

首先为文档制作另一列，其中包含不同产品类型的数量

df['n_cats'] = df.groupby('documentno')['producttype'].transform('nunique')

然后删除仅与专业有关的值

df = df.drop(df[(df['n_cats'] == 1) & (df['producttype'] == 'major')].index)

谢谢

于 2020-06-25T15:20:18.497 回答