熊猫：从DataFrame匹配条件中删除行

Question

我有一个Pandas DataFrame，如下所示：

ID   PROD   QTY   PRICE   FEES
1     G      2     120    -1.2   
2     B      5     150    -1.5
3     S      2     80     -2.0   
4     T      5     300    +1.0
1     G     -2     120    +1.2   
2     B     -5     150    +1.5

我希望删除满足以下所有条件的行：

1）它们具有相同的ID

2）价格相等

3）他们有相反的数量

4）他们有相反的费用

所需的结果如下：

ID   PROD   QTY   PRICE   FEES
3     S      2     80     -2.0   
4     T      5     300    +1.0

我的第一个直觉是按ID和价格对数据框进行排序，然后对数据框进行迭代，但是我正在寻找一种更pythonic更有效的方法。

也许解决方案可能需要按ID和价格分组，然后删除手续费和数量等于零的地方。

谢谢

Answer 1

要获得第一部分，您可以首先根据ID和Price删除所有重复项：

df.drop_duplicates(subset = ['ID', 'PRICE'], inplace=True)

然后，您想对所有ID进行分组以标识总数量和总费用：

 df = df.groupby('ID', as_index=False).sum()

然后，您可以过滤出总和为0的任何内容

df[df.QTY != 0]

Answer 2

设定

df=pd.DataFrame({'FEES': {0: -1.2, 1: -1.5, 2: -2.0, 3: 1.0, 4: 1.2, 5: 1.5},
 'ID': {0: 1, 1: 2, 2: 3, 3: 4, 4: 1, 5: 2},
 'PRICE': {0: 120, 1: 150, 2: 80, 3: 300, 4: 120, 5: 150},
 'PROD': {0: 'G', 1: 'B', 2: 'S', 3: 'T', 4: 'G', 5: 'B'},
 'QTY': {0: 2, 1: 5, 2: 2, 3: 5, 4: -2, 5: -5}})

解

#define a list to store duplicates index
dups=[]

#apply conditions to locate rows to be removed.
df.apply(lambda x: dups.extend(df.loc[(df.ID==x.ID)&(df.PRICE==x.PRICE)&(df.QTY+x.QTY==0)&(df.FEES+x.FEES==0)].index.tolist()), axis=1)

#filter results based on dups ID
df.loc[~df.index.isin(dups)]
Out[122]: 
   ID PROD  QTY  PRICE  FEES
2   3    S    2     80  -2.0
3   4    T    5    300   1.0