Python 选择在每次重复中满足条件的ID

我想从列ID中选择已完成的唯一元素。每个ID代表一个任务，可以出现多次。只有当“状态”列的每行值为100时，任务才会完成。 数据集示例：

import pandas as pd
df = pd.DataFrame(data= {'ID': ['A', 'A', 'B', 'B', 'C', 'D'], 'Status': [100, 100, 100, 25, 100, 34]})

预期结果：

  ID  Status
0  A     100
4  C     100

• A:以100出现两次。完成了一项任务
• B:出现两次，但一次25。B是不完整的
• C:与100一起出现一次。C已完成
• D:与34一起出现一次。D是不完整的

这是我迄今为止的工作：

df_completed = df[df['Status']==100].drop_duplicates()

df_filtered = df[df.ID.isin(df_completed.ID) & (df.Status<100)]

df_completed = df_completed[~df_completed.ID.isin(df_filtered.ID)]

df_completed=df[df['Status']==100]。删除重复项（）
df_filtered=df[df.ID.isin（df_completed.ID）&（df.Status考虑到变量是一种状态，我假设它以独占方式存在[0100]？如果是这样，该ID的最小状态必须为100

import pandas as pd
df = pd.DataFrame(data= {'ID': ['A', 'A', 'B', 'B', 'C', 'D'], 'Status': [100, 100, 100, 25, 100, 34]})
df_completed=df.groupby(['ID']).min()==100 #gives True/False for each ID.
df_completed=df_completed[df == True].dropna()*100 #essentially just formatting

输出：

    Status
ID
A    100.0
C    100.0

考虑到变量是一种状态，我假设它只存在[0100]？如果是这样，该ID的最小状态必须为100

import pandas as pd
df = pd.DataFrame(data= {'ID': ['A', 'A', 'B', 'B', 'C', 'D'], 'Status': [100, 100, 100, 25, 100, 34]})
df_completed=df.groupby(['ID']).min()==100 #gives True/False for each ID.
df_completed=df_completed[df == True].dropna()*100 #essentially just formatting

输出：

    Status
ID
A    100.0
C    100.0

这似乎是
groupby
的一个很好的用例。
以下是几个例子：

df.groupby（“ID”）.apply（lambda-df:（df.Status==100.all（））

这将为每个ID提供布尔状态：

ID
A     True
B    False
C     True
D    False

如果可以依赖平均值，另一种选择是：

df.groupby（“ID”）.mean（）.pipe（lambda-df:df[df.Status==100]）

结果如下：

ID  Status
A   100.0
C   100.0

这似乎是
groupby
的一个很好的用例。
以下是几个例子：

df.groupby（“ID”）.apply（lambda-df:（df.Status==100.all（））

这将为每个ID提供布尔状态：

ID
A     True
B    False
C     True
D    False

如果可以依赖平均值，另一种选择是：

df.groupby（“ID”）.mean（）.pipe（lambda-df:df[df.Status==100]）

结果如下：

ID  Status
A   100.0
C   100.0

有很多方法可以做到这一点

选项1

groupby（）
并过滤掉
min==100

df.groupby('ID')['Status'].min()[lambda x:x==100].reset_index()

ID  Status
0  A     100
1  C     100

选项2
使用
groupby（）
，
过滤器（布尔选择）

使用反向
.isin
查询排除所选索引，并从结果中删除重复项

s=df.loc[df.groupby('ID')['Status'].filter(lambda x:(x!=100).any()).index,:]
df[~df.index.isin(s.index)].drop_duplicates()


   ID  Status
0  A     100
4  C     100

有很多方法可以做到这一点

选项1

groupby（）
并过滤掉
min==100

df.groupby('ID')['Status'].min()[lambda x:x==100].reset_index()

ID  Status
0  A     100
1  C     100

选项2
使用
groupby（）
，
过滤器（布尔选择）

使用反向
.isin
查询排除所选索引，并从结果中删除重复项

s=df.loc[df.groupby('ID')['Status'].filter(lambda x:(x!=100).any()).index,:]
df[~df.index.isin(s.index)].drop_duplicates()


   ID  Status
0  A     100
4  C     100

ID
对于一个非唯一字段来说似乎是一个令人困惑的名称…
ID
对于一个非唯一字段来说似乎是一个令人困惑的名称。。。