在Python中基于布尔列过滤数据

发布于01月16日

我有以下Pandas 数据框，我想要一个函数，使用groupby函数返回ID的数据，其中bool_1中至少有1个True值，bool_2列中至少有2个True值，bool_3列中有3个True值.

index  ID  bool_1  bool_2  bool_3
 0      7   True    True    True    
 1      7   False   True    True
 2      7   False   False   True
 3      8   True    True    True
 4      8   True    True    True    
 5      8   False   False   True    
 6      9   True    True    True    
 7      9   True    False   True    
 8      9   True    False   True    
 9      9   True    False   False

作为输出，我希望返回ID 7和8的完整数据，因为9只有bool_2的1个True值. 对这个功能有什么 idea 吗？谢谢大家！

推荐答案

您可以在字典中指定True的数量，因此可以通过DataFrame.ge比较True的最大或相等计数，并通过boolean indexing过滤原始DataFrame与Series.isin:

d = {'bool_1':1, 'bool_2':2,'bool_3':3}

ids = df.groupby('ID')[list(d.keys())].sum().ge(d).all(axis=1)
print (ids)
ID
7     True
8     True
9    False
dtype: bool

out = df[df['ID'].isin(ids.index[ids])]
print (out)
   index  ID  bool_1  bool_2  bool_3
0      0   7    True    True    True
1      1   7   False    True    True
2      2   7   False   False    True
3      3   8    True    True    True
4      4   8    True    True    True
5      5   8   False   False    True

另一个 idea 是使用GroupBy.transform来创建布尔掩码:

d = {'bool_1':1, 'bool_2':2,'bool_3':3}

mask = df.groupby('ID')[list(d.keys())].transform('sum').ge(d).all(axis=1)
print (mask)
0     True
1     True
2     True
3     True
4     True
5     True
6    False
7    False
8    False
9    False
dtype: bool

out = df[mask]
print (out)
   index  ID  bool_1  bool_2  bool_3
0      0   7    True    True    True
1      1   7   False    True    True
2      2   7   False   False    True
3      3   8    True    True    True
4      4   8    True    True    True
5      5   8   False   False    True