Python：在分组数据帧后单独对组使用apply

我的数据框如下所示：

┌────┬──────┬──────┐
│ No │ col1 │ col2 │
├────┼──────┼──────┤
│  1 │ A    │  5.0 │
│  1 │ B1   │ 10.0 │
│  1 │ B2   │ 20.0 │
│  2 │ A    │  0.0 │
│  2 │ B1   │  0.0 │
│  2 │ C1   │  0.0 │
│  3 │ A    │  0.0 │
│  3 │ B1   │  5.0 │
│  3 │ C1   │ 20.0 │
│  3 │ C2   │ 30.0 │
└────┴──────┴──────┘

首先，我使用groupby按列编号对数据帧进行分组

我现在想做三件事：

从第2列中获取值列表，在第2列中，此组所有行中的col2==0.0 获取“不”的列表col2！=0.0表示col1=='A'，但组中至少有一行的col2==0.0，在本例中为第3行 获取No的列表，其中至少1行包含col2==0.0 No.2和3 很抱歉一次问了三个问题。希望没问题

谢谢：

您可以使用：

g = df['col2'].eq(0).groupby(df['No'])
a = g.all()
a = a.index[a].tolist()
print (a)
[2]

b1 = (df['col2'].ne(0) & df['col1'].eq('A')).groupby(df['No']).any()
b2 = (df['col2'].eq(0) & df['col1'].ne('A')).groupby(df['No']).any()
b = b1 & b2
b = b.index[b].tolist()
print (b)
[]

c = g.any()
c = c.index[c].tolist()
print (c)
[2,3]

另一个解决方案应该是用于返回布尔数据帧和最终创建包含3个列表的字典的自定义函数：

def f(x):
    a = x['col2'].eq(0)
    b1 = x['col2'].ne(0) & x['col1'].eq('A')
    b2 = a & x['col1'].ne('A')
    b = b1.any() & b2.any()

    return pd.Series([a.all(), b, a.any()], index=list('abc'))

m = df.groupby('No').apply(f)
print (m)
        a      b      c
No                     
1   False  False  False
2    True  False   True
3   False  False   True

fin = {x: m[x].index[m[x]].tolist() for x in m.columns}
print (fin)
{'a': [2], 'b': [], 'c': [2, 3]}

---

预期输出为3个列表？还是数据帧？你能把它加到答案上吗？性能很重要？请发布每个项目的预期输出Col2！=0.0对于第二个列表是正确的？是的，列表很好，不需要整个数据帧，因为我只需要第二个解决方案中的组号1、2、3，b不起作用。至少当它应该像第一次一样找到数百个时，它没有找到任何solution@MaMo-不客气！也可以自由投票给我的解决方案，谢谢。对不起，有一个问题：为什么我不需要在第二个解决方案中b2的a.any？@MaMo-你在b1中需要它两次。any&b2.any-需要链2面具到b。如果再加一个b.any，从数组中获取标量值，什么都不需要。