过滤表的算法答案

【问题标题】：Algorithm for filtering table过滤表的算法
【发布时间】：2018-08-16 00:03:09
【问题描述】：

以下是一个候选人 (df_wrong) 的原始数据集。
它有一些正确的行和一些不正确的行。如果阶段的时间戳不遵循 stage_names 的相应顺序逻辑，则认为该行不正确。例如：阶段名称必须按照[已申请、屏幕调用、Hometask、Hometask 审查、第一次面试、第二次面试等] 的顺序出现。每个阶段只能发生一次，并且必须按照上面显示的顺序连续发生

所以这是 df_wrong:

df_wrong = pd.DataFrame({'stage_name':['Applied', 'Screen call', 'Hometask', '2nd interview',
                                            'Hometask review','Screen call', '2nd interview' ],
                       'stage_num': [1,2,3,6,4,2,6], 
                       'stage_time_mooving_in': ['2018-08-10 12:00:00', '2018-08-10 13:00:00', '2018-08-10 14:00:00',
                                               '2018-08-10 15:00:00', '2018-08-10 16:00:00', '2018-08-10 17:00:00',
                                                 '2018-08-10 19:00:00']})

我想创建一个算法，将错误的表格转换为正确的表格：

df_right = pd.DataFrame({'stage_name':['Applied', 'Screen call', 'Hometask', 'Hometask review',
                                        '2nd interview' ],
                   'stage_num': [1,2,3,4,6], 
                   'stage_time_mooving_in': ['2018-08-10 12:00:00', '2018-08-10 13:00:00', 
                                           '2018-08-10 14:00:00', '2018-08-10 16:00:00',
                                            '2018-08-10 19:00:00']})

我的问题是如何创建这样的算法。我尝试对 df 进行排序并删除重复项，但我不知道如何让它适用于所有情况。

所有阶段，可以在此表中列出的我的管道中：

full_pipeline =  pd.DataFrame({'stage_name':['Applied', 'Screen call', 
                                       'Hometask',  'Hometask review',
                                     '1st interview', '2nd interview', 
                                           'Final interview','Offer'],
                   'stage_num': [1,2,3,4,5,6,7 ,8]})

注意：有一些建议可以帮助创建算法：

由于填写方式，第一行和最后一行始终正确。
请注意，所有阶段都可以在此表中。

【问题讨论】：

标签： python python-3.x algorithm pandas

【解决方案1】：

在与同事交谈后建议这个答案：

def lis(a):
    L = []
    for (k,v) in enumerate(a):
        L.append(max([L[i] for (i,n) in enumerate(a[:k]) if n<v] or [[]], key=len) + [k])
    return max(L, key=len)


right_index = lis(list(df_wrong.loc[:,'stage_num']))
df_wrong[df_wrong.index.isin(right_index)]

欢迎提出您自己的解决方案

【讨论】：