熊猫数据框中的分组匹配

Question

我有一个熊猫数据框，它有两列。第一列代表项目的name，第二列代表它的一些被编码为整数的属性。一个项目可以有多个属性。这是一个示例

    name                ids
0   A                   147 616 813
1   B                   51 616 13 813
2   C                   776
3   D                   51 671 13 813 1092
4   E                   13 404 492 903 1093

有 300 个这样的独特属性编码为整数，然后在 id 列中的字符串中表示。我想要达到的目标：

1. 为每个 id 找到它出现的行。例如，为了检查 id 13，我将获取行 1, 3 and 4。
2. 在我们的数据集中，与此 ID 相关的所有唯一 ID 是什么？例如，我会说对于 id 13: [51, 616, 813, 671, 1092, 404, 492, 903, 1093]
3. 一旦我们为每个 id 分组了行，我如何比较给定的 id 是否在该组中？例如，我想检查 id 52 是否曾经与 id 13 发生过，如果是，在哪里以及出现了多少次？

我一直在考虑这个问题，但无法找到一种有效的方法来获得前两个和一个有效的方法以及 DS 为 3)。请帮忙！

Answer 1

以下是三个功能的建议：

import pandas as pd
# first we create the data
data = pd.DataFrame({'name': ['A','B','C','D','E'],
                'ids': ['147 616 813','51 616 13 813','776','51 671 13 813 
1092','13 404 492 903 1093']})

def func1(num, series):
    # num must be an int
    # series a Pandas series
    tx = series.apply(lambda x: True if str(num) in x.split() else False)

    output_list = series.index[tx].tolist()

    return output_list

 def func2(num, series):
    # num must be an int
    # series a Pandas series
    series = series.iloc[func1(num, series)]

    series = series.apply(lambda x: x.split()).tolist()

    output_list = set([item for sublist in series for item in sublist])
    output_list.remove(str(num))
    return list(output_list)

def func3(num1,num2,series):
    # num1 must be an int
    # num2 must be an int
    # series a Pandas series

    if str(num1) in func2(num2, series):
        num1_index = func1(num1, series)
        num2_index = func1(num2, series)
        return list(set(num1_index) & set(num2_index))
    else:
        return 'no match'

然后你可以测试它们：

func1(13, data['ids'])
func2(13, data['ids'])
func3(13,51,data['ids'])

Answer 2

不使用任何for循环的解决方案

import pandas as pd
import numpu as np

df = pd.DataFrame({'name':'A B C D E'
                   .split(),'ids':['147 616 813','51 616 13 813','776','51 671 13 813 1092','13 404 492 903 1093']})

#Every input of i_d to functions in int
#to get indexes where id occurs
def rows(i_d):
    i_d = str(i_d)
    pattern1 = "[^0-9]" +i_d+"[^0-9]"
    pattern2 = i_d+"[^0-9]"    
    pattern3 = "[^0-9]" +i_d 

    mask = df.ids.apply(lambda x: True if (len(re.findall(pattern1,x)) > 0) | (len(re.findall(pattern2,x))) | (len(re.findall(pattern3,x)) > 0) else False)

    return df[mask].index.tolist()

#to get other ids occuring with the id in discussion
def colleagues(i_d):
    i_d = str(i_d)

    df.loc[rows(i_d),'temp'] = 1
    k =list(set(df.groupby('temp').ids.apply(lambda x: ' '.join(x)).iloc[0].split()))
    k.remove(i_d)
    df.drop('temp',axis=1,inplace=True)

    return k

#to get row indexes where 2 ids occur together
def third(i_d1,i_d2):
    i_d1 = str(i_d1)
    i_d2 = str(i_d2)

    common_rows = list(np.intersect1d(rows(i_d1),rows(i_d2)))
    if len(common_rows) > 0:
        return print('Occured together at rows ',common_rows)
    else:
        return print("Didn't occur together")