Python中项目的标记

我有一个数据框，如下所示：

                Id     Type       
0              14035   A          
1              14035   B      
2              14035   C                         
3              24259   A    
4              24259   B     

我正在尝试使用python进行一些分类，如果它包含ABC/BAC/CBA排列，则将其分类在类别1中。如果仅包含AB/BA，则将其归类为第2类

                Id     Classification
0              14035   Category 1                                  
3              24259   Category 2 

我曾想过使用一个groupby并将其放入arry，但我不确定是否要这样做，因为我对Python还是新手

有什么帮助吗

---

谢谢

这里您可以使用

groupby

：

df.groupby("Id")["Type"].apply(lambda x: "Category 1" if x.str.cat() == "ABC" else "Category 2")

输出：

Id
14035    Category 1
24259    Category 2
Name: Type, dtype: object

---

这里您可以使用

groupby

：

df.groupby("Id")["Type"].apply(lambda x: "Category 1" if x.str.cat() == "ABC" else "Category 2")

输出：

Id
14035    Category 1
24259    Category 2
Name: Type, dtype: object

---

以下是一个相当普遍的解决方案：

# Find which elements are present in each id
elements_in_id = df.groupby('Id').apply(lambda x: x.astype(str).sum())['Type']

categories = {"ABC" : 'Category 1', "AB" : 'Category 2'}

# Assign category if present, otherwise assign "Not Classified"
# Assume that the keys in categories contain letters sorted alphabetically
result = elements_in_id.map(lambda x: categories.get(''.join(sorted(x)), 'Not Classified'))

它给出了预期的输出：

Id
14035    Category 1
24259    Category 2

---

以下是一个相当普遍的解决方案：

# Find which elements are present in each id
elements_in_id = df.groupby('Id').apply(lambda x: x.astype(str).sum())['Type']

categories = {"ABC" : 'Category 1', "AB" : 'Category 2'}

# Assign category if present, otherwise assign "Not Classified"
# Assume that the keys in categories contain letters sorted alphabetically
result = elements_in_id.map(lambda x: categories.get(''.join(sorted(x)), 'Not Classified'))

它给出了预期的输出：

Id
14035    Category 1
24259    Category 2

---

尽管前面的解决方案很有效，但我关心的是所使用的字符串连接

在以下情况下，此类字符串连接将无法对ID进行分类：

如果以未排序的方式连接字符，则后面的逻辑将无法对ID进行分类<代码>即：（'BAC'！='ABC'）

如果组包含额外的类型，例如'ABCD'，字符串串联也将无法正确分类组

，即：（'ABCD'！='ABC'）

我宁愿选择更长更安全的解决方案：

import pandas as pd
import numpy as np

# Construct sample dataframe 
df = pd.DataFrame()
df['Id'] = ['14035', '14035', '14035', '24259', '24259', ]
df['Type'] = ['A', 'B', 'C', 'A', 'B', ]


# Define classification logic
def classification_logic(list_of_types):
    if set(['A', 'B', 'C']) <= set(list_of_types):
        return 1
    if set(['A', 'B']) <= set(list_of_types):
        return 2
    return np.nan

# Apply to groups
df.groupby('Id').aggregate(classification_logic)
#        Type
# Id         
# 14035     1
# 24259     2

将熊猫作为pd导入
将numpy作为np导入
#构造示例数据帧
df=pd.DataFrame（）
df['Id']=['14035'，'14035'，'14035'，'24259'，'24259'，'
df['Type']=['A'，'B'，'C'，'A'，'B'，]
#定义分类逻辑
def分类逻辑（类型列表）：
如果set（['A'，'B'，'C']）尽管前面的解决方案往往有效，但我关心的是所使用的字符串连接

在以下情况下，此类字符串连接将无法对ID进行分类：

如果以未排序的方式连接字符，则后面的逻辑将无法对ID进行分类<代码>即：（'BAC'！='ABC'）

如果组包含额外的类型，例如'ABCD'，字符串串联也将无法正确分类组

，即：（'ABCD'！='ABC'）

我宁愿选择更长更安全的解决方案：

import pandas as pd
import numpy as np

# Construct sample dataframe 
df = pd.DataFrame()
df['Id'] = ['14035', '14035', '14035', '24259', '24259', ]
df['Type'] = ['A', 'B', 'C', 'A', 'B', ]


# Define classification logic
def classification_logic(list_of_types):
    if set(['A', 'B', 'C']) <= set(list_of_types):
        return 1
    if set(['A', 'B']) <= set(list_of_types):
        return 2
    return np.nan

# Apply to groups
df.groupby('Id').aggregate(classification_logic)
#        Type
# Id         
# 14035     1
# 24259     2

将熊猫作为pd导入
将numpy作为np导入
#构造示例数据帧
df=pd.DataFrame（）
df['Id']=['14035'，'14035'，'14035'，'24259'，'24259'，'
df['Type']=['A'，'B'，'C'，'A'，'B'，]
#定义分类逻辑
def分类逻辑（类型列表）：
if set（['A'，'B'，'C']）的灵感来源于这里是一个稍微优化的版本：

In [66]: df.groupby('Id')['Type'] \
    ...:   .agg(lambda x: 'Cat 1' if 'ABC' in ''.join(x.sort_values()) else 'Cat 2') \
    ...:   .reset_index(name='Cat')
    ...:
Out[66]:
      Id    Cat
0  14035  Cat 1
1  24259  Cat 2

以下是一个稍微优化的版本：

In [66]: df.groupby('Id')['Type'] \
    ...:   .agg(lambda x: 'Cat 1' if 'ABC' in ''.join(x.sort_values()) else 'Cat 2') \
    ...:   .reset_index(name='Cat')
    ...:
Out[66]:
      Id    Cat
0  14035  Cat 1
1  24259  Cat 2

我会使用
set
comparison使其不受顺序的影响

In [976]: df.groupby("Id")["Type"].apply(
     ...:    lambda x: 'Cat 1' if set(x) == set('ABC') else
     ...:              'Cat 2' if set(x) == set('AB') else
     ...:              'Cat X')
Out[976]:
Id
14035    Cat 1
24259    Cat 2
Name: Type, dtype: object

我会使用
set
comparison使其不受顺序的影响

In [976]: df.groupby("Id")["Type"].apply(
     ...:    lambda x: 'Cat 1' if set(x) == set('ABC') else
     ...:              'Cat 2' if set(x) == set('AB') else
     ...:              'Cat X')
Out[976]:
Id
14035    Cat 1
24259    Cat 2
Name: Type, dtype: object

您好@C.Square，我尝试过这样做：testing_df=testing_df.groupby（'Id'，as_index=False）[“Type”]。聚合（分类逻辑）以不重置索引。但它正在把我还给Np.Nan。知道为什么吗？嗨@C.Square，我试过这样做：testing_df=testing_df.groupby（'Id'，as_index=False）[“Type”]。聚合（分类逻辑）以不重置索引。但它正在把我还给Np.Nan。知道为什么吗？