python - 如何根据柱状组的多(其他列)条件选择数据框行？

Question

将以下数据框复制到剪贴板:

  textId   score              textInfo
0  name1     1.0            text_stuff
1  name1     2.0  different_text_stuff
2  name1     2.0            text_stuff
3  name2     1.0  different_text_stuff
4  name2     1.3  different_text_stuff
5  name2     2.0  still_different_text
6  name2     1.0              yoko ono
7  name2     3.0     I lika da Gweneth
8  name3     1.0     Always a tradeoff
9  name3     3.0                What?!

现在使用

import pandas as pd
df=pd.read_clipboard(sep='\s\s+')

将其加载到您的环境中。如何对这个数据框进行切片，使得 所有 特定 textId 的行如果 score 返回那一组textId包括至少一个 score等于 1.0、2.0 和 3.0？在这里，所需操作的结果将排除 textId行 name1 自其 score组缺少 3.0 并排除 name3，因为它的 score组缺少 2.0:

  textId   score              textInfo
0  name2     1.0  different_text_stuff
1  name2     1.3  different_text_stuff
2  name2     2.0  still_different_text
3  name2     1.0              yoko ono
4  name2     3.0     I lika da Gweneth

尝试

1. df[df.textId == "textIdRowName" & df.score == 1.0 & df.score == 2.0 & & df.score == 3.0]是不对的，因为条件没有起作用 在 textId 上组，但只有个别行。如果这可以 重写以匹配 textId组然后它可以被放置 在 for 循环中并提供唯一的 textIdRowName。这样的功能 会收集 textId 的名字在一系列中(比如 textIdThatMatchScore123 ) 然后可以用来切片原始 df 喜欢df[df.textId.isin(textIdThatMatchScore123)] .
2. 失败于 groupby .

Answer 1

这里有一个解决方案 - groupby textId，然后只保留那些唯一的 score 值是 [1.0, 2.0 的超集 (>=) 的组, 3.0]。

In [58]: df.groupby('textId').filter(lambda x: set(x['score']) >= set([1.,2.,3.]))
Out[58]: 
  textId  score              textInfo
3  name2    1.0  different_text_stuff
4  name2    1.3  different_text_stuff
5  name2    2.0  still_different_text
6  name2    1.0              yoko ono
7  name2    3.0     I lika da Gweneth