Python 如何使用2列作为条件删除Pandas数据帧中的行？

基本上，我得到了如下表格：

Name     Sport   Frequency    
Jonas    Soccer          3    
Jonas    Tennis          5    
Jonas    Boxing          4    
Mathew   Soccer          2    
Mathew   Tennis          1    
John     Boxing          2    
John     Boxing          3    
John     Soccer          1

假设这是一个标准表，我将使用groupby函数将其转换为一个DF，如下所示：

table = df.groupby(['Name'])

创建数据帧后，我想删除除足球以外的所有其他运动的频率大于足球频率的所有行

因此，我需要运行以下条件：

确定哪里有足球；然后

如果有，确定是否有其他运动项目；最后

删除“运动”不是“足球”且其频率大于与该名称关联的足球频率的行（在

groupby

函数中使用）

因此，输出类似于：

Name     Sport   Frequency    
Jonas    Soccer          3    
Mathew   Soccer          2    
Mathew   Tennis          1    
John     Soccer          1

---

感谢您的支持

这是一种方法，通过反复访问以下组：

pd.concat(
    [
        value.assign(temp=lambda x: x.loc[x.Sport == "Soccer", "Frequency"])
        .bfill()
        .ffill()
        .query("Frequency <= temp")
        .drop('temp', axis = 1)
        for key, value in df.groupby("Name").__iter__()
    ]
)


    Name    Sport   Frequency   
7   John    Soccer     1        
0   Jonas   Soccer     3        
3   Mathew  Soccer     2        
4   Mathew  Tennis     1        

---

非常好！

sport_dtype = pd.api.types.CategoricalDtype(categories=df.Sport.unique(), ordered=True)
df = df.astype({"Sport": sport_dtype})

(
    df.sort_values(["Name", "Sport"], ascending=[False, True])
    .assign(temp=lambda x: x.loc[x.Sport == "Soccer", "Frequency"])
    .ffill()
    .query("Frequency <= temp")
    .drop('temp', axis = 1)
)

    Name    Sport   Frequency   
3   Mathew  Soccer      2       
4   Mathew  Tennis      1       
0   Jonas   Soccer     3        
7   John    Soccer     1        

index = (
    df.assign(temp=lambda x: x.loc[x.Sport == "Soccer", "Frequency"])
    .groupby("Name")
    .pipe(lambda x: x.ffill().bfill())
    .query("Frequency <= temp")
    .index
)

df.loc[index]

    Name    Sport   Frequency
0   Jonas   Soccer  3
3   Mathew  Soccer  2
4   Mathew  Tennis  1
7   John    Soccer  1

(df.assign(temp=df.Sport == "Soccer",
           temp2=lambda x: x.groupby("Name").temp.transform("mean"),
           )
   .query('Sport=="Soccer" or temp2>=0.5')
   .iloc[:, :3]
)