识别 Pandas 中的非连续行

Posted 2023-03-23

【中文标题】识别 Pandas 中的非连续行

【英文标题】：Identifying nonsequential rows in Pandas

【发布时间】：2021-09-10 20:52:51

【问题描述】：

我有以下 excel 电子表格：

CODE	ID
ABC	1
ABC	2
BCD	1
ABC	4
CDE	1
CDE	2
BCD	5

我需要识别并创建每个 CODE 的列表，其中有一个不直接遵循原始序列的 ID（在此示例中，ABC 由于 ABC4 和 BCD 由于 BCD5），无论它在表中的哪个位置谎言。初始 ID 将按顺序排列。当 CODE 被更新时（该表之外的某个地方），该表将生成一个新行，从而产生一个不连续的 ID 号。

这是我迄今为止所做的头脑风暴：

我创建了一个字典，并使用表中的每个 CODE 作为键，并使用每个 ID 的列表作为它的值。 创建某种 IF 语句来检查第一个值 + 1 是否等于第二个值。如果为 false，请将 CODE 保存在新列表中。

就思维过程而言，我是否走在正确的轨道上？我仍在努力确定 If/Else、While 和 For 循环何时最合适。提前谢谢大家。

【问题讨论】：

您对该样本的预期结果是什么？

对于这个示例，我希望得到一个列表：ABC、BCD

【参考方案1】：

让我们试试groupby + filter ，注意你用pandas 尽量不要使用for循环

out = df.groupby('CODE').filter(lambda x : x['ID'].diff().dropna().ne(1).any())['CODE'].unique()
Out[239]: array(['ABC', 'BCD'], dtype=object)

【讨论】：

你必须先.sort_values('ID')groupby

这是一个很好的起点。根据您的建议，我得到的输出是所有 CODE 的列表，而不是那些具有非顺序 ID 的列表。我的表有其他列包含无关信息，这可能是导致问题的原因，但我会在最后深入研究它，看看我是否能弄清楚。非常感谢贝尼。

【参考方案2】：

使用 groupby 和 agg 但确保您的数据框按 ID 列排序，否则 [FGH (1, 3, 2)] 之类的序列将匹配

out = df.loc[df.sort_values('ID').groupby('CODE')['ID'].agg('diff').gt(1),
             'CODE'].tolist()

>>> out
['ABC', 'BCD']

【讨论】：

感谢您的反馈。这段代码看起来也很有希望，我正在尝试相应地调整它。看起来我遇到了我在回应 BENY 的回复时提到的同样的问题。这是一个巨大的帮助。非常感谢。