EXCEL 比较一列数据是不是在另一列出现过
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了EXCEL 比较一列数据是不是在另一列出现过相关的知识,希望对你有一定的参考价值。
参考技术A AB两列有数据,需要比较B列中的数据是否在A列中出现过在C列中输入:
=IF(COUNTIF(A:A,B1),"A列存在","A列不存在")
Python Pandas:按一列分组,仅在另一列中聚合,但取相应数据
【中文标题】Python Pandas:按一列分组,仅在另一列中聚合,但取相应数据【英文标题】:Python Pandas: groupby one column, aggregate in only one other column, but take corresponding data 【发布时间】:2021-02-04 21:27:36 【问题描述】:我已经看到了许多其他相关的 SO 问题,例如 this 和 this,但它们似乎并不是我想要的。假设我有一个这样的数据框:
import pandas as pd
df = pd.DataFrame(columns=['patient', 'parent csn', 'child csn', 'days'])
df.loc[0] = [0, 0, 10, 5]
df.loc[1] = [0, 0, 11, 3]
df.loc[2] = [0, 1, 12, 6]
df.loc[3] = [0, 1, 13, 4]
df.loc[4] = [1, 2, 20, 4]
df
Out[9]:
patient parent csn child csn days
0 0 0 10 5
1 0 0 11 3
2 0 1 12 6
3 0 1 13 4
4 1 2 20 4
现在我想做的是这样的:
grp_df = df.groupby(['parent csn']).min()
问题是结果计算了 所有 列(不是parent csn
)的最小值,并产生:
grp_df
patient child csn days
parent csn
0 0 10 3
1 0 12 4
2 1 20 4
您可以看到,对于第一行,days
数字和 child csn
数字不再像分组之前那样位于同一行。这是我想要的输出:
grp_df
patient child csn days
parent csn
0 0 11 3
1 0 13 4
2 1 20 4
我怎样才能得到它?我有遍历数据框的代码,我认为它会起作用,但是即使使用 Cython,它也很慢。我觉得这应该是显而易见的,但我不这么认为。
我也查看了this 的问题,但是将child csn
放在groupby 列表中是行不通的,因为child csn
与days
不同。
This 的问题似乎更有可能,但我没有找到非常直观的解决方案。
This 的问题似乎也很可能,但同样,答案不是很直观,而且我确实希望每个 parent csn
只占一行。
另一个细节:包含最小days
值的行可能不是唯一的。在这种情况下,我只想要一排 - 我不在乎。
非常感谢您的宝贵时间!
【问题讨论】:
【参考方案1】:您可以按数据框过滤您需要的行使用 groupby 来创建过滤器,而不仅仅是使用 .groupby:
s = df.groupby('parent csn')['days'].transform('min') == df['days']
df = df[s]
df
Out[1]:
patient parent csn child csn days
1 0 0 11 3
3 0 1 13 4
4 1 2 20 4
例如,如果我将 s
放入我的数据框中,这就是它的样子。然后,您只需过滤 True
行,这些行是每组最少天数等于该行的行。
Out[2]:
patient parent csn child csn days s
0 0 0 10 5 False
1 0 0 11 3 True
2 0 1 12 6 False
3 0 1 13 4 True
4 1 2 20 4 True
【讨论】:
【参考方案2】:作为您想要的输出,您需要 sort_values
和 groupby first
df_final = (df.sort_values(['parent csn', 'patient', 'days', 'parent csn'])
.groupby('parent csn').first())
Out[813]:
patient child csn days
parent csn
0 0 11 3
1 0 13 4
2 1 20 4
【讨论】:
【参考方案3】:您可以通过使用.idxmin()
而不是.min()
来获取索引(行标识符),其中每个组的“天数”最少:
数据创建:
import pandas as pd
data = [[0, 0, 10, 5],
[0, 0, 11, 3],
[0, 1, 12, 6],
[0, 1, 13, 4],
[1, 2, 20, 4]]
df = pd.DataFrame(data, columns=['patient', 'parent csn', 'child csn', 'days'])
print(df)
patient parent csn child csn days
0 0 0 10 5
1 0 0 11 3
2 0 1 12 6
3 0 1 13 4
4 1 2 20 4
day_minimum_row_indices = df.groupby("parent csn")["days"].idxmin()
print(day_minimum_row_indices)
parent csn
0 1
1 3
2 4
Name: days, dtype: int64
从这里你可以看到组父 csn 0 在第 1 行有最少的天数。回顾我们的原始数据框,我们可以看到第 1 行有天数 == 3 并且实际上是最小值的位置父 csn == 0 的天数。父 csn == 1 在第 3 行有最少天数,依此类推。
我们可以使用行索引将子集返回到我们的原始数据帧中:
new_df = df.loc[day_minimum_row_indices]
print(new_df)
patient parent csn child csn days
1 0 0 11 3
3 0 1 13 4
4 1 2 20 4
编辑(tldr):
df.loc[df.groupby("parent csn")["days"].idxmin()]
【讨论】:
【参考方案4】:由于某种原因,我无法解释您的数据框包含 object
类型的列。此解决方案仅适用于数字列
df.days = df.days.astype(int)
df.iloc[df.groupby('parent csn').days.idxmin()]
输出:
patient parent csn child csn days
1 0 0 11 3
3 0 1 13 4
4 1 2 20 4
【讨论】:
这是因为数据框开始为空。 Pandas 不会假定其中没有任何内容的列的数据类型,因此它将它们保留为“对象”dtypes(这是最灵活的)。然后,当您通过.loc
“填充”列时,它们会保留其“对象”dtype。在不相关的注释中,您还应该使用.loc
作为答案,因为idxmin()
返回与最小值关联的相应索引 - 因此如果索引为 ["a", "b", "c", "d", "e"]
@AdrianKeister - 请考虑接受@CameronRiddell's answer。这是相同的想法,但对其他读者来说更有用,并且在我的解决方案之前发布。
很好,如果你愿意的话。我可以看到它们或多或少相同。不过,您的回答很好,因为代码都在一个地方。
@MichaelSzczesny 我很感激!我在答案中添加了“tldr”。以上是关于EXCEL 比较一列数据是不是在另一列出现过的主要内容,如果未能解决你的问题,请参考以下文章