根据条件提取行 Pandas Python [英] Extract rows based on conditions Pandas Python

问题描述

如果应用了某些条件，我需要提取行.

1. 列col1 应包含列表list_words 中的所有单词.
2. 最后一个词应该是Story
3. 下一行的最后一个单词应该是 b ac:

这是我当前的代码:

将pandas导入为pddf = pd.DataFrame({'col1': ['Sraft SW Quality Assurance Story', 'alex ac', 'anny ac', 'antoine ac','azeepic', 'bella ac', 'Complete SW Quality Assurance计划故事'、'celine ac'、'wqas 史诗'、'karmen ac'、'kameilia ac'、'更新 SW 质量保证计划故事'、'约瑟夫 ac'、'更新 SW 质量保证计划 ac'、'约瑟夫 ac''],'col2': ['aa', 'bb', 'cc', 'dd','ee', 'ff', 'gg', 'hh', 'ii', 'jj', 'kk', 'll', 'mm', 'nn', 'oo']})打印(df)list_words="软件质量计划故事"set_words = set(list_words.split())#检查list_words是否在单元格中df['TrueFalse']=pd.concat([df.col1.str.contains(word,regex=False) for word in list_words.split()],axis=1).sum(1) >1打印('\n'，df)#提取最后一个词df["后缀"] = df["col1"].str.split().str[-1]打印('\n'，df)df['ok']=''对于范围内的 i (len(df)-1):if ((df["Suffix"].iloc[i]=='Story') & (df["TrueFalse"].iloc[i]=='True') & (df["Suffix"].iloc[i+1]=='ac')):df['ok'].iloc[i+1]=df["后缀"].iloc[i+1]打印('\n'，df)

输出:

 col1 col2 TrueFalse 后缀ok0 草案 SW 质量保证故事 aa 真实故事1 亚历克斯 ac bb 假 ac2 anny ac cc 假 ac3 antoine ac dd 假 ac4 aze 史诗 ee 假史诗5 bella ac ff 假 ac6 完整的软件质量保证计划故事 gg 真实故事7 celine ac hh 假ac8 wqas 史诗 ii 假史诗9 karmen ac jj 假 ac10 卡梅利亚 ac kk 假 ac11 更新 SW 质量保证计划故事 ll 真实故事12 joseph ac mm 假 ac13 更新软件质量保证计划 ac nn True ac14 约瑟夫 ac oo 假 ac

line 13 应该设置为 False

所需的输出:

 col1 col2 TrueFalse 后缀1 完整的软件质量保证计划故事 gg 真实故事2 celine ac hh 真 ac3 更新 SW 质量保证计划故事 ll 真实故事4 joseph ac mm 真交流

解决方案

这里是所有不同的条件，以及它们的交集:

# 条件1:col1中的所有单词减去set_words中的所有单词必须为空df["condition_1"] = df.col1.apply(lambda x: not bool(set_words - set(x.split())))# 条件2:最后一个词应该是'Story'df["condition_2"] = df.col1.str.endswith("故事")# 条件 3:下一行的最后一个单词应该是 ac.参见`shift(-1)`df["condition_3"] = df.col1.str.endswith("ac").shift(-1)# 当所有三个条件都满足时:新列 'conditions'df["条件"] = df.condition_1 &df.condition_2 &df.condition_3# 回到你的符号:# TrueFalse:满足所有三个条件的行及其下一行df["TrueFalse"] = df.conditions |df.conditions.shift(1)df["后缀"] = df.col1.apply(lambda x: x.split()[-1])

现在你想要的输出:

<预><代码>>>>打印(df[[col1"，col2"，真假"，后缀"]][df.真假])col1 col2 TrueFalse 后缀6 完整的软件质量保证计划故事 gg 真实故事7 celine ac hh 真 ac11 更新 SW 质量保证计划故事 ll 真实故事12 joseph ac mm 真交流

仅供参考，所有数据框:

<预><代码>>>>打印(df[[col1"，col2"，真假"，后缀"]])col1 col2 TrueFalse 后缀0 草案 SW 质量保证故事 aa 虚假故事1 亚历克斯 ac bb 假 ac2 anny ac cc 假 ac3 antoine ac dd 假 ac4 aze 史诗 ee 假史诗5 bella ac ff 假 ac6 完整的软件质量保证计划故事 gg 真实故事7 celine ac hh 真 ac8 wqas 史诗 ii 假史诗9 karmen ac jj 假 ac10 卡梅利亚 ac kk 假 ac11 更新 SW 质量保证计划故事 ll 真实故事12 joseph ac mm 真交流13 更新软件质量保证计划 ac nn False ac14 约瑟夫 ac oo 假 ac

I need to extract rows if certain conditions are applied.

1. the column col1 should contain all the words in the list list_words.
2. the last word should be Story
3. the last word in the next row should b ac:

This is my current code:

import pandas as pd

df = pd.DataFrame({'col1': ['Draft SW Quality Assurance Story', 'alex ac', 'anny ac', 'antoine ac','aze epic', 'bella ac', 'Complete SW Quality Assurance Plan Story', 'celine ac','wqas epic', 'karmen ac', 'kameilia ac', 'Update SW Quality Assurance Plan Story', 'joseph ac','Update SW Quality Assurance Plan ac', 'joseph ac'],
                   'col2': ['aa', 'bb', 'cc', 'dd','ee', 'ff', 'gg', 'hh', 'ii', 'jj', 'kk', 'll', 'mm', 'nn', 'oo']}) 
print(df)

list_words="SW Quality Plan Story"
set_words = set(list_words.split())
#check if list_words is in the cell
df['TrueFalse']=pd.concat([df.col1.str.contains(word,regex=False) for word in list_words.split()],axis=1).sum(1) > 1 

print('\n',df)
#extract last word
df["Suffix"] = df["col1"].str.split().str[-1]
print('\n',df)
df['ok']=''
for i in range (len(df)-1):
    if ((df["Suffix"].iloc[i]=='Story') & (df["TrueFalse"].iloc[i]=='True') & (df["Suffix"].iloc[i+1]=='ac')):
        df['ok'].iloc[i+1]=df["Suffix"].iloc[i+1]

print('\n',df)  

output:

                                         col1 col2  TrueFalse Suffix ok
0           Draft SW Quality Assurance Story   aa       True  Story   
1                                    alex ac   bb      False     ac   
2                                    anny ac   cc      False     ac   
3                                 antoine ac   dd      False     ac   
4                                   aze epic   ee      False   epic   
5                                   bella ac   ff      False     ac   
6   Complete SW Quality Assurance Plan Story   gg       True  Story   
7                                  celine ac   hh      False     ac   
8                                  wqas epic   ii      False   epic   
9                                  karmen ac   jj      False     ac   
10                               kameilia ac   kk      False     ac   
11    Update SW Quality Assurance Plan Story   ll       True  Story   
12                                 joseph ac   mm      False     ac   
13       Update SW Quality Assurance Plan ac   nn       True     ac   
14                                 joseph ac   oo      False     ac   

line 13 should be set to False

desired output :

                                        col1 col2  TrueFalse Suffix     
1   Complete SW Quality Assurance Plan Story   gg      True  Story   
2                                  celine ac   hh      True  ac   
3    Update SW Quality Assurance Plan Story    ll      True  Story   
4                                 joseph ac    mm      True  ac   

解决方案

Here are your all different conditions, and their intersection:

# Condition 1: all words in col1 minus all words in set_words must be empty
df["condition_1"] = df.col1.apply(lambda x: not bool(set_words - set(x.split())))

# Condition 2: the last word should be 'Story'
df["condition_2"] = df.col1.str.endswith("Story") 

# Condition 3: the last word in the next row should be ac. See `shift(-1)`
df["condition_3"] = df.col1.str.endswith("ac").shift(-1) 

# When all three conditions meet: new column 'conditions'
df["conditions"] = df.condition_1 & df.condition_2 & df.condition_3

# Back to your notation:
# TrueFalse: rows that fulfill all three conditions along with their next rows
df["TrueFalse"] = df.conditions | df.conditions.shift(1)                                                                                         
df["Suffix"] = df.col1.apply(lambda x: x.split()[-1]) 

Now your desired output:

>>> print(df[["col1", "col2", "TrueFalse", "Suffix"]][df.TrueFalse])
                                        col1 col2  TrueFalse Suffix
6   Complete SW Quality Assurance Plan Story   gg       True  Story
7                                  celine ac   hh       True     ac
11    Update SW Quality Assurance Plan Story   ll       True  Story
12                                 joseph ac   mm       True     ac

FYI, all the dataframe:

>>> print(df[["col1", "col2", "TrueFalse", "Suffix"]])                                                                                                       
                                        col1 col2  TrueFalse Suffix
0           Draft SW Quality Assurance Story   aa      False  Story
1                                    alex ac   bb      False     ac
2                                    anny ac   cc      False     ac
3                                 antoine ac   dd      False     ac
4                                   aze epic   ee      False   epic
5                                   bella ac   ff      False     ac
6   Complete SW Quality Assurance Plan Story   gg       True  Story
7                                  celine ac   hh       True     ac
8                                  wqas epic   ii      False   epic
9                                  karmen ac   jj      False     ac
10                               kameilia ac   kk      False     ac
11    Update SW Quality Assurance Plan Story   ll       True  Story
12                                 joseph ac   mm       True     ac
13       Update SW Quality Assurance Plan ac   nn      False     ac
14                                 joseph ac   oo      False     ac

这篇关于根据条件提取行 Pandas Python的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！