Pandas 基于数据帧行的聚合计数排除数据帧的列

我有以下数据帧：

   Fruit                John      Mary        Paul     Anna
   Apples                1         1            1       5
   Oranges               2         2            2       3
   Lemons                1         1            4       1
   Berries               2         2            2       7

我还有以下嵌套字典：

{Apples:{5:1,1:3},Oranges:{3:1,2:3},Lemons:{4:1,1:3},Berries:{7:1,2:3}}

这告诉我

1人有5个苹果，3人有1个苹果

1人有3个桔子，3人有2个桔子

1人有4个柠檬，3人有1个柠檬

1人有7个浆果，3人有2个浆果

我现在需要的是提取那些要么有5个苹果，要么有3个桔子，要么有4个柠檬，要么有7个浆果的人，也就是说，上面字典中所有的特殊情况

这意味着，由于玛丽在《无果》中是唯一的一个人，但总是在3个相同的类别中，因此将被排除在外

我可以通过一系列复杂且性能不佳的for循环来实现这一点，但我想知道是否有更有效的方法来实现这一点

预期输出：

   Fruit           Paul     Anna
   Apples            2       5
   Oranges           2       3
   Lemons            4       1
   Berries           2       7

---

您可以将水果指定为dataframe的索引，对于水果的条件，您可以提取列名

        John    Mary    Paul    Anna
Fruit               
Apples  3   1   2   5
Oranges 2   2   2   3
Lemons  1   1   4   1
Berries 2   2   2   7

df.set_index(['Fruit'],inplace=True)
column_names = df.apply(lambda x:x.name  if ((x.loc['Apples']==5) | (x.loc['Oranges']==3) | (x.loc['Lemons']==4) | (x.loc['Berries']==7)) else None)
df[list(filter(None,column_names))]

输出：

---

您可以将水果指定为dataframe的索引，对于水果的条件，您可以提取列名

        John    Mary    Paul    Anna
Fruit               
Apples  3   1   2   5
Oranges 2   2   2   3
Lemons  1   1   4   1
Berries 2   2   2   7

df.set_index(['Fruit'],inplace=True)
column_names = df.apply(lambda x:x.name  if ((x.loc['Apples']==5) | (x.loc['Oranges']==3) | (x.loc['Lemons']==4) | (x.loc['Berries']==7)) else None)
df[list(filter(None,column_names))]

输出：

---

假设嵌套字典实际上不是该过程的重要组成部分，并且您只想确定哪一个人对应于任何行中的唯一值，我们可以执行以下操作：

from io import StringIO

import pandas as pd


data = StringIO('''Fruit                John      Mary        Paul     Anna
Apples                1         1            1       5
Oranges               2         2            2       3
Lemons                1         1            4       1
Berries               2         2            2       7''')

df = pd.read_csv(data, sep='\s+').set_index('Fruit')

tr = df.transpose()
mask = ~pd.DataFrame({c: tr.duplicated(c, keep=False) for c in tr.columns}).all(axis=1)

df = df[mask.index[mask]]

我们将索引设置为

'Fruit'

，然后进行转置，每个

'Fruit'

得到一列，每个人得到一行。然后，我们创建一个掩码，用于确定列中的值是否与任何其他值重复，并检查在所有情况下是否为真。然后，我们可以使用这个掩码过滤原始数据帧中的列

这为我们提供了以下信息，如

df

：

         Paul  Anna
Fruit              
Apples      1     5
Oranges     2     3
Lemons      4     1
Berries     2     7

---

假设嵌套字典实际上不是该过程的重要组成部分，并且您只想确定哪一个人对应于任何行中的唯一值，我们可以执行以下操作：

from io import StringIO

import pandas as pd


data = StringIO('''Fruit                John      Mary        Paul     Anna
Apples                1         1            1       5
Oranges               2         2            2       3
Lemons                1         1            4       1
Berries               2         2            2       7''')

df = pd.read_csv(data, sep='\s+').set_index('Fruit')

tr = df.transpose()
mask = ~pd.DataFrame({c: tr.duplicated(c, keep=False) for c in tr.columns}).all(axis=1)

df = df[mask.index[mask]]

我们将索引设置为

'Fruit'

，然后进行转置，每个

'Fruit'

得到一列，每个人得到一行。然后，我们创建一个掩码，用于确定列中的值是否与任何其他值重复，并检查在所有情况下是否为真。然后，我们可以使用这个掩码过滤原始数据帧中的列

这为我们提供了以下信息，如

df

：

         Paul  Anna
Fruit              
Apples      1     5
Oranges     2     3
Lemons      4     1
Berries     2     7

---

您还可以使用dict中的

和
isin

d = {'Apples':{5:1,1:3},'Oranges':{3:1,2:3},'Lemons':{4:1,1:3},'Berries':{7:1,2:3}}

将上述dict键转换为
df

# df1 = pd.DataFrame([[k for k in j.keys()] for i, j in d.items()])

df1 = pd.DataFrame(list(zip(*list(d.values())))).T

df[df.isin(df1[0])].dropna(how='all', axis=1).fillna(df).set_index(df.Fruit)

# Output:

         Paul   Anna
Fruit       
Apples   1.0    5.0
Oranges  2.0    3.0
Lemons   4.0    1.0
Berries  2.0    7.0

您还可以使用dict中的
和
isin

d = {'Apples':{5:1,1:3},'Oranges':{3:1,2:3},'Lemons':{4:1,1:3},'Berries':{7:1,2:3}}

将上述dict键转换为
df

# df1 = pd.DataFrame([[k for k in j.keys()] for i, j in d.items()])

df1 = pd.DataFrame(list(zip(*list(d.values())))).T

df[df.isin(df1[0])].dropna(how='all', axis=1).fillna(df).set_index(df.Fruit)

# Output:

         Paul   Anna
Fruit       
Apples   1.0    5.0
Oranges  2.0    3.0
Lemons   4.0    1.0
Berries  2.0    7.0

预期产量是多少？最终数据帧的外观如何？使用预期输出进行了更新Paul不应该有
0
/
None
苹果吗？根据您的问题，预期输出是什么？最终数据帧的外观如何？使用预期输出进行了更新Paul在回答您的问题时不应该有
0
/
None
苹果吗？谢谢，如果我想在列上自动评分（无需在apply函数的or条件下输入）？我这样问是因为在我的例子中，我有30000个这样的列，我不能硬编码所有的列。是的，你可以迭代。即使您有30000列，该解决方案也能完美工作。但是如果您有30000个条件，我们可能需要在“lambda”函数中输入条件：-）。谢谢，如果我想在列上自动写入条件（无需在apply函数的or条件中输入条件）？我这样问是因为在我的例子中，我有30000个这样的列，我不能硬编码所有的列。是的，你可以迭代。即使您有30000列，该解决方案也能完美工作。但是如果你有30000个条件，我们可能需要把条件放在“lambda”函数中：-）。
df1=df.from_dict（{i:{y:x代表x，y代表j.items（）}代表i，j代表d.items（）}）。T
只取计数为1的第一个实例。例如，如果我的dictionary
d={Key1:{5:1,6:1}}
中有两个值，那么它只会在第1列中返回5，而不会在第1列中同时返回5和6（该列包含1个计数的所有值）@user37143在这种情况下，使用列表理解从dictionary获取所有值。我会更新答案。它现在应该可以处理重复的值。@user37143乐于帮助：）
df1=df.from_dict（{i:{y:x代表x，y代表j.items（）}代表i，j代表d.items（）}）。T
只接受计数为1的第一个实例。例如，如果我的dictionary
d={Key1:{5:1,6:1}}
中有两个值，那么它只会在第1列中返回5，而不会在第1列中同时返回5和6（该列包含1个计数的所有值）@user37143在这种情况下，使用列表理解从dictionary获取所有值。我会更新答案。它现在应该可以使用重复的值。@user37143乐意帮助：）