python - 使用包含列表 Python 的字典过滤 DataFrame 的 2 列

Question

我有一个雇员的 pandas 数据框，我需要根据 2 列进行过滤。我需要过滤部门和级别。假设我们有“人力资源”部门，其中有 1、2、3、4、5 级。我正在专门寻找 2、4 和 5 级人力资源。

我有我想要的部门和级别存储在字典中，例如:

departments = dict({'Human Resources' : ['2','4','5'] ,'IT' : ['1','3','5','6'], etc.... })

我的数据框将列出所有部门和所有级别(以及更多)的每位员工。我现在想使用上面的字典过滤该数据框。因此，在人力资源示例中，我只想返回“人力资源”中第 2、4 和 5 级的员工。

df 的一个例子是:

employee_ID   Department        Level
        001   Human Resources   1
        002   Human Resources   1
        003   Human Resources   2
        004   Human Resources   3
        005   Human Resources   4
        006   Human Resources   4
        007   Human Resources   5
        008   IT                1
        009   IT                2
        010   IT                3
        011   IT                4
        012   IT                5
        013   IT                6

使用上面显示的字典，我的预期结果是

employee_ID   Department        Level
        003   Human Resources   2
        005   Human Resources   4
        006   Human Resources   4
        007   Human Resources   5
        008   IT                1
        010   IT                3
        012   IT                5
        013   IT                6

我不知道该怎么做？

Answer 1

可以在Departement上使用groupby，在Level上使用isin，获取与组名称相关的部门的值。

#example data
departments = dict({'Human Resources' : ['2','4','5'] ,'IT' : ['1','3','5','6']})
df = pd.DataFrame({'Id':range(10), 
                   'Departement': ['Human Resources']*5+['IT']*5, 
                   'Level':list(range(1,6))*2})
#filter
print (df[df.groupby('Departement')['Level']
            .apply(lambda x: x.isin(departments[x.name]))])
   Id      Departement  Level
1   1  Human Resources      2
3   3  Human Resources      4
4   4  Human Resources      5
5   5               IT      1
7   7               IT      3
9   9               IT      5