Python 使用Numpy数组或Pandas数据帧查找满足条件的第一行。（可能很棘手）

我将以图书馆不可知论的方式提出这个问题，因为在这种情况下，一个可能比另一个好。或者可能存在另一个神奇的图书馆

我有一个大约10000条记录的DB表，我知道如何从中创建numpy数组或数据帧。数据是这样的

   ...
   20,25,1,5
   20,25,2,3
   20,25,4,21
   20,25,5,1
   20,25,9,19
   ...
   45,47,6,20
   45,47,10,2
   45,47,11,56
   45,47,21,41
   ...

在下面的示例搜索条件中，我位于此行col4中的值“20”之后

45,47,6,20

请注意，前两列具有相同的值并定义了一个组

Col2在一行中始终大于等于col1

col3中的值在一个组中总是以升序排列，不一定是连续的

我使用以下搜索条件查找col4中单元格的值

---

我知道如何在numpy中使用掩码来查找值为eg'col1>=45和col2=45以及col2的所有行。我建议对前三列使用多索引，并在此多索引上使用掩码，如下所示：

# I reproduce a similar dataframe
import pandas as pd
import numpy as np
np.random.seed(123)
v1 = np.random.randint(0, 10, 10)
v2 = v1 + 2
v3 = np.random.randint(0, 10, 10)
v4 = np.random.randint(0, 10, 10)
df = pd.DataFrame({"v1": v1,
                   "v2": v2,
                   "v3": v3,
                   "v4": v4})
# and sort it according to your comments
df = df.sort_values(by=["v1", "v2", "v3"])
df.head()

          v4
v1 v2 v3    
2  4  0    3
1  3  9    4
      1    7
      0    8
0  2  4    0

我得到以下数据帧：

  v1  v2  v3  v4
8   0   2   4   0
7   1   3   0   8
9   1   3   1   7
3   1   3   9   4
1   2   4   0   3

您的数据帧现在如下所示：

# I reproduce a similar dataframe
import pandas as pd
import numpy as np
np.random.seed(123)
v1 = np.random.randint(0, 10, 10)
v2 = v1 + 2
v3 = np.random.randint(0, 10, 10)
v4 = np.random.randint(0, 10, 10)
df = pd.DataFrame({"v1": v1,
                   "v2": v2,
                   "v3": v3,
                   "v4": v4})
# and sort it according to your comments
df = df.sort_values(by=["v1", "v2", "v3"])
df.head()

          v4
v1 v2 v3    
2  4  0    3
1  3  9    4
      1    7
      0    8
0  2  4    0

---

我建议对前三列使用多索引，并在此多索引上使用掩码，如下所示：

# I reproduce a similar dataframe
import pandas as pd
import numpy as np
np.random.seed(123)
v1 = np.random.randint(0, 10, 10)
v2 = v1 + 2
v3 = np.random.randint(0, 10, 10)
v4 = np.random.randint(0, 10, 10)
df = pd.DataFrame({"v1": v1,
                   "v2": v2,
                   "v3": v3,
                   "v4": v4})
# and sort it according to your comments
df = df.sort_values(by=["v1", "v2", "v3"])
df.head()

          v4
v1 v2 v3    
2  4  0    3
1  3  9    4
      1    7
      0    8
0  2  4    0

我得到以下数据帧：

  v1  v2  v3  v4
8   0   2   4   0
7   1   3   0   8
9   1   3   1   7
3   1   3   9   4
1   2   4   0   3

您的数据帧现在如下所示：

# I reproduce a similar dataframe
import pandas as pd
import numpy as np
np.random.seed(123)
v1 = np.random.randint(0, 10, 10)
v2 = v1 + 2
v3 = np.random.randint(0, 10, 10)
v4 = np.random.randint(0, 10, 10)
df = pd.DataFrame({"v1": v1,
                   "v2": v2,
                   "v3": v3,
                   "v4": v4})
# and sort it according to your comments
df = df.sort_values(by=["v1", "v2", "v3"])
df.head()

          v4
v1 v2 v3    
2  4  0    3
1  3  9    4
      1    7
      0    8
0  2  4    0

我想：

筛选数据帧以仅保留与条件匹配的行

前2列上的groupby

对每组应用

tail（1）

，以查找每组的相关行（如果有）

代码为：

df[(df['col1']>=45)&(df['col2']<=47)&(df['col3']<=8)].groupby(['col1', 'col2']
                                                              ).tail(1)

好消息是，您可以在一次过程中搜索多个组，如果没有符合条件的行，它仍然会给出预期的结果。演示：

>>> df[(df['col1']>=20)&(df['col2']<=47)&(df['col3']<=8)].groupby(['col1', 'col2']).tail(1)
   col1  col2  col3  col4
3    20    25     5     1
5    45    47     6    20
>>> df[(df['col1']>=20)&(df['col2']<=47)&(df['col3']<=3)].groupby(['col1', 'col2']).tail(1)
   col1  col2  col3  col4
1    20    25     2     3
>>> df[(df['col1']>=45)&(df['col2']<=47)&(df['col3']<=3)].groupby(['col1', 'col2']).tail(1)
Empty DataFrame
Columns: [col1, col2, col3, col4]
Index: []

>>df[（df['col1']>=20）和（df['col2']>df[（df['col1']>=20）和（df['col2']>df[（df['col1']>=45）和（df['col2']

筛选数据帧以仅保留与条件匹配的行
前2列上的groupby
对每组应用
tail（1）
，以查找每组的相关行（如果有）
代码为：

df[(df['col1']>=45)&(df['col2']<=47)&(df['col3']<=8)].groupby(['col1', 'col2']
                                                              ).tail(1)

好消息是，您可以一次搜索多个组，如果没有符合条件的行，它仍然会给出预期的结果。演示：

>>> df[(df['col1']>=20)&(df['col2']<=47)&(df['col3']<=8)].groupby(['col1', 'col2']).tail(1)
   col1  col2  col3  col4
3    20    25     5     1
5    45    47     6    20
>>> df[(df['col1']>=20)&(df['col2']<=47)&(df['col3']<=3)].groupby(['col1', 'col2']).tail(1)
   col1  col2  col3  col4
1    20    25     2     3
>>> df[(df['col1']>=45)&(df['col2']<=47)&(df['col3']<=3)].groupby(['col1', 'col2']).tail(1)
Empty DataFrame
Columns: [col1, col2, col3, col4]
Index: []

>>df[（df['col1']>=20）和（df['col2']>df[（df['col1']>=20）和（df['col2']>df[（df['col1']>=45）和（df['col2']请发布您的预期输出。以相同的方式发布您的原始数据框架请发布您的预期输出。以相同的方式发布您的原始数据框架抱歉，但我需要使用数据和搜索条件1,3,2的第1,3,1,7行，因为按降序搜索1,3组将导致v3=1单元格作为第一个值@notintox I modi将答案按降序排列索引。因此，您可以按您希望的顺序搜索多索引。非常感谢@Raphaele Adjerad。我将消化您的代码并查看结果。但首先我必须执行一些其他编码。很遗憾，我将在24小时内尝试。很抱歉，我需要使用您的数据和搜索标准搜索第1、3、1、7行ia为1,3,2，因为按降序搜索1,3组将导致v3=1单元格作为第一个值@notintox，我修改了答案以降序排序索引。因此，您可以按您想要的顺序搜索多索引。非常感谢@Raphaele Adjerad。我将消化您的代码，看看如何处理。但是rst我不得不做一些其他的编码不幸的。将在24小时内尝试。