我可以通过编写for循环来解决我的任务,但是我想知道如何以更可笑的方式做到这一点。

因此,我有一个存储某些列表的数据框,并希望找到这些列表中具有任何公共值的所有行,

(此代码仅用于获取具有列表的df:

>>> df = pd.DataFrame( {'a':['A','A','B','B','B','C'], 'b':[1,2,5,1,4,6]})
>>> df
   a  b
0  A  1
1  A  2
2  B  5
3  B  1
4  B  4
5  C  6
>>> d = df.groupby('a')['b'].apply(list)




从这里开始:

>>> d

A       [1, 2]
B    [5, 1, 4]
C          [6]
Name: b, dtype: object


我想选择索引为“ A”和“ B”的行,因为它们的列表重叠值1。

我现在可以编写一个for循环或在这些列表中扩展数据框(与上面的方法相反),并且有多行复制其他值。
你会在这里做什么?还是有某种方法可以使用df.groupby(by = lambda x,y:不返回set(x).isdisjoint(y))比较两个行?
但是groupby和布尔掩码只是一次查看一个元素...



我现在尝试重载列表的相等运算符,并且由于列表不可散列,因此会重载元组和集合(我将散列设置为1以避免身份比较)。然后,我使用了groupby并将其与框架合并,但是看起来,它检查了索引,它已经匹配了。

import pandas as pd
import numpy as np
from operator import itemgetter


class IndexTuple(set):
    def __hash__(self):
        #print(hash(str(self)))
        return hash(1)
    def __eq__(self, other):

        #print("eq ")
        is_equal = not set(self).isdisjoint(other)

        return is_equal

l = IndexTuple((1,7))


l1 = IndexTuple((4, 7))

print  (l == l1)

df = pd.DataFrame(np.random.randint(low=0, high=4, size=(10, 2)), columns=['a','b']).reset_index()
d = df.groupby('a')['b'].apply(IndexTuple).to_frame().reset_index()

print (d)

print (d.groupby('b').b.apply(list))

print (d.merge (d, on = 'b', how = 'outer'))


输出(对于第一个元素,它工作正常,但是在[{3}]处应该有[{3},{0,3}]代替:

True
   a       b
0  0     {1}
1  1  {0, 2}
2  2     {3}
3  3  {0, 3}

b
{1}                  [{1}]
{0, 2}    [{0, 2}, {0, 3}]
{3}                  [{3}]

Name: b, dtype: object
   a_x       b  a_y
0    0     {1}    0
1    1  {0, 2}    1
2    1  {0, 2}    3
3    3  {0, 3}    1
4    3  {0, 3}    3
5    2     {3}    2

最佳答案

merge上使用df

v = df.merge(df, on='b')
common_cols = set(
    np.sort(v.iloc[:, [0, -1]].query('a_x != a_y'), axis=1).ravel()
)

common_cols
{'A', 'B'}


现在,预过滤并调用groupby

df[df.a.isin(common_cols)].groupby('a').b.apply(list)
a
A       [1, 2]
B    [5, 1, 4]
Name: b, dtype: object

07-24 09:51
查看更多