根据三列熊猫过滤我的数据答案

【问题标题】：filtering my data based on three columns pandas根据三列熊猫过滤我的数据
【发布时间】：2020-11-28 01:01:44
【问题描述】：

所有，

我对如何做到这一点感到困惑。

假设我有下表（我提供了一个只有 1 个 id 的 sn-p，但我有很多 id）

      *id*         *status*                     *year*               
        2           active                         2018               
        2           active                         2019                  
        2           dissolved                      2019                
        2           dissolved                      2020 
        3           active                         2018               
        3           dissolved                      2019                  
        3           active                         2019                
        3           dissolved                      2020

我想过滤它，如果 id 和 year 相同，则取 status = to溶解捐赠的行：

      *id*         *status*                     *year*               
        2           active                         2018                                
        2           dissolved                      2019                
        2           dissolved                      2020 
        3           active                         2018                               
        3           dissolved                      2019                
        3           dissolved                      2020

我试过了：

 df.sort_values(['id','year']).drop_duplicates(subset=['id', 'year'],keep='last')

但有时公司会再次从解散状态变为活跃状态，因此当我真的希望该客户在同一年解散状态时，我会获得活跃状态。这就是为什么我想检测状态是否不同，如果是，请保留已溶解的状态。 IE。在哪里保持“最后”我怎么能基本上保持“溶解”状态。

我怎样才能做到这一点？

【问题讨论】：

您的解决方案没有标准方法。你需要为这个问题编写自定义函数
是的，但是如何，这就是我要问的
刚刚发布了如何的回复

标签： python pandas filter duplicates

【解决方案1】：

import pandas as pd
x = pd.DataFrame([(1,"active",'1994'),(1,"dissolved",'1994'),(1,"active",'1995'),(1,"dissolved",'1996'),(2,"active",'1996')],columns=('id','status','year'))
y=pd.DataFrame(columns =x.columns)

#it will remove all the dublicates
for a,b in x.groupby(["id","year"]):
    if(b["id"].count()>1):
        y =y.append(b[b["status"] =="a"],ignore_index =True)
    else:
        y=y.append(b,ignore_index =True)

#now you can do sorting
y.sort_values(["id","year"])

【讨论】：

【解决方案2】：

据我了解，您希望所有具有相同 ID、年份和状态的行 == 已解散。试试这个：

df[(df.id == df.year) & (df.status == 'dissolved')]

【讨论】：

这没有意义，因为你说 id = year?他们永远不会一样
我的 id 是指公司 id，而不是行 id
你在你的问题中提到的“id”列是公司id还是行id？。我发布的这个答案是将id列作为公司id，因为你提到了sceanrio-“过滤它，如果id和年份相同”