Python 检查一列是否严格增加另一列的wrt

我有以下数据帧df：

Subject Marks1 Marks2
English  1      10
English  1.5    20
English  1.7    30
English  3      40
Science  1      10
Science  1.5    20
Science  1.7    15
Science  3      35

我想按受试者分组，检查Marks2是否严格地随Marks1的增加而增加。如果没有，那么我想从df中删除该组，并将其放在另一个数据帧中。所以最后我会， df:

问题：

Subject Marks1 Marks2
Science  1      10
Science  1.5    20
Science  1.7    15
Science  3      35

使用with COMPAGE（与比较）用于较小的值，如所有列的

0

with，然后获取主题的

VAL

，并通过以下方式过滤输出：

编辑：每个组的瓶颈不同，如果所有组都已排序，则可以通过以下方式提高性能：

#columns used for difference (passed to groupby())
cols = ['Subject','col1','col2']
#sorting by all columns (if possible and if necessary)
df = df.sort_values(cols)
m = df[['Marks1','Marks2']].diff().le(0).any(axis=1) & df.duplicated(cols)

vals = df.loc[m, 'Subject']
mask = df['Subject'].isin(vals)
df1 = df[mask]

.filter（）

使用

lambda

函数查找

.diff（）

以识别问题

 issues=df.groupby('Subject').filter(lambda x : ((x.Marks1.diff()>0)&(x.Marks2.diff()<0)).any())
    print(issues)


 Subject  Marks1  Marks2
4  Science     1.0      10
5  Science     1.5      20
6  Science     1.7      15
7  Science     3.0      35


Noissues=df[~df.index.isin(issues.index)]
print(Noissues)



  Subject  Marks1  Marks2
0  English     1.0      10
1  English     1.5      20
2  English     1.7      30
3  English     3.0      40

---

issues=df.groupby（'Subject'）.filter（lambda x:（（x.Marks1.diff（）>0）和（x.Marks2.diff（））这虽然有效，但速度非常慢，因为在实际数据中，我必须按5列分组，比较第7列是否随第6列的增加而增加，并且有800个这样的组。@Ank-所以问题出在
df.groupby（['Subject'，'col2''col5']）.diff（）
-慢？@Ank-答案是eidted，有效的，如果所有组分别像
group1，groups2，…groupu\u last
，那么可以只在两个列和重复的链上使用
diff
。是的，编辑的版本要快得多，因为我的数据框几乎已经排序好了。这里排序很关键，super，很高兴能帮上忙；）
#columns used for difference (passed to groupby())
cols = ['Subject','col1','col2']
#sorting by all columns (if possible and if necessary)
df = df.sort_values(cols)
m = df[['Marks1','Marks2']].diff().le(0).any(axis=1) & df.duplicated(cols)

vals = df.loc[m, 'Subject']
mask = df['Subject'].isin(vals)
df1 = df[mask]

 issues=df.groupby('Subject').filter(lambda x : ((x.Marks1.diff()>0)&(x.Marks2.diff()<0)).any())
    print(issues)


 Subject  Marks1  Marks2
4  Science     1.0      10
5  Science     1.5      20
6  Science     1.7      15
7  Science     3.0      35


Noissues=df[~df.index.isin(issues.index)]
print(Noissues)



  Subject  Marks1  Marks2
0  English     1.0      10
1  English     1.5      20
2  English     1.7      30
3  English     3.0      40