如何根据python中的多个条件计算列中的唯一行

Posted 2023-03-12

【中文标题】如何根据python中的多个条件计算列中的唯一行

【英文标题】：How to count unique rows in a column based on multiple conditions in python

【发布时间】：2018-01-27 09:01:48

【问题描述】：

我有一个看起来像这样的数据框：（处理有多种可能的字符变量，我只是为这个问题简化了）

ID              Position            Treatment
--20AxECvv-         0           A
--20AxECvv-         -1          A
--20AxECvv-         -2          A
--h9INKewQf-        0           A
--h9INKewQf-        -1          B
zZU7a@8jN           0           B
QUeSNEXmdB          0           C
QUeSNEXmdB          -1          C
qu72Ql@h79          0           C

我只想保留经过exclusif处理的ID，换句话说，保留只经过一次处理的ID，即使是多次处理。之后，我想总结每个治疗的 ID 数量。结果将是：

ID              Position            Treatment
--20AxECvv-         0           A
--20AxECvv-         -1          A
--20AxECvv-         -2          A
zZU7a@8jN           0           B
QUeSNEXmdB          0           C
QUeSNEXmdB          -1          C   
qu72Ql@h79          0           C

总和：

A : 1 
B : 1
C : 2

我知道如何解决这个问题，可能在循环中使用循环，但我是 Python/panda 的初学者，谢谢

【问题讨论】：

如果一个ID下多次处理，你要保留哪一个？

【参考方案1】：

您可以按 ID 分组并根据唯一行的条件数过滤行 == 1

df1 = df.loc[df.groupby('ID').Treatment.filter(lambda x: x.nunique()==1).index]

或者正如@Igor Raush 建议的那样，

df1 = df.groupby('ID').filter(lambda g: g.Treatment.nunique() == 1)    

    ID          Position    Treatment
0   --20AxECvv-     0           A
1   --20AxECvv-     -1          A
2   --20AxECvv-     -2          A
5   zZU7a@8jN       0           B
6   QUeSNEXmdB      0           C
7   QUeSNEXmdB      -1          C
8   qu72Ql@h79      0           C

并获得唯一计数

df1.groupby('Treatment').ID.nunique()

Treatment
A        1
B        1
C        2

【讨论】：

或者跳过索引：df.groupby('ID').filter(lambda g: g.Treatment.nunique() == 1)

@IgorRaush，是的，这样更干净。谢谢：）

非常感谢 Vaishali 和 IgorRaush

并且知道我该怎么做才能只拥有所有第一个位置的子集（即：每个 id 的最小位置）。有时第一个位置可能是 -2 或 -65。我想我必须插入一个函数最小值，但我不知道如何管理它。

@Anna，你能详细说明一下吗？预期的输出是什么？