Groupby 并仅保留包含列表中值的组答案

【问题标题】：Groupby and keep only groups that contain values within a listGroupby 并仅保留包含列表中值的组
【发布时间】：2020-06-02 09:16:28
【问题描述】：

你好，我有一个 df，例如

list_vales_regex=['ABC',DEF']
Groups Names
G1 ABC_9
G1 ZTY_2
G1 SGG56
G1 BBCHU
G1 DEFE_8
G2 ABC_6
G2 GGDY
G3 ABC_6
G3 DEF98
G3 DEF89
G4 DEF_09
G4 DGE7
G5 DGGE22
G5 DGGE23

我想只保留包含两者（ABC 和 DEF 名称）的组

这里的例子中只有G1 和G3 没有被保留。有人有想法吗？

【问题讨论】：

标签： python regex pandas dataframe

【解决方案1】：

首先通过Series.str.extract 与| 将值按列表获取到帮助器Series 的值，以连接正则表达式or 的值，然后比较GroupBy.transform 中每个组转换为sets 的值：

list_vales_regex=['ABC','DEF']

s = df['Names'].str.extract(f'({"|".join(list_vales_regex)})', expand=False)
df = df[s.groupby(df['Groups']).transform(lambda x: set(x) >= set(list_vales_regex))]
print (df)
  Groups   Names
0     G1   ABC_9
1     G1   ZTY_2
2     G1   SGG56
3     G1   BBCHU
4     G1  DEFE_8
7     G3   ABC_6
8     G3   DEF98
9     G3   DEF89

或者通过GroupBy.transform 和DataFrameGroupBy.nunique 过滤（如果不是大数据，因为速度较慢）：

df = df[s.groupby(df['Groups']).transform('nunique').ge(2)]

另一种方法是找到groups 与np.logical_and.reduce 匹配列表理解中的所有列表值，以测试Series.any 是否匹配至少一个值，然后通过L[0] 按列表的第一个值过滤组并通过给Series.isin：

list_vales_regex=['ABC','DEF']

L = [df.set_index('Groups')['Names'].str.contains(x).any(level=0) for x in list_vales_regex]

df = df[df['Groups'].isin(L[0].index[np.logical_and.reduce(L)])]
print (df)
  Groups   Names
0     G1   ABC_9
1     G1   ZTY_2
2     G1   SGG56
3     G1   BBCHU
4     G1  DEFE_8
7     G3   ABC_6
8     G3   DEF98
9     G3   DEF89

详情：

print (np.logical_and.reduce(L))
[ True False  True False False]

print (L[0].index[np.logical_and.reduce(L)])
Index(['G1', 'G3'], dtype='object', name='Groups')

【讨论】：

我们可以这样做：df.loc[s.groupby(df['Groups']).transform('nunique').ge(2)]
@ansev - 超级或类似df = df[s.groupby(df['Groups']).transform('nunique').ge(2)]