熊猫：按两列分组，并在其他三列中的任意一列中查找值的存在

Question

我很难理解如何操作groupby对象。

这是可重现的DataFrame：

df = pd.DataFrame([[1, 1, 'Type1', 'Type3', 'General'],
                    [1, 1, 'Type1', 'Type2', 'Type3'], 
                    [1, 2, 'Type1', 'Type3', 'Type2'], 
                    [1, 2, 'General',  'Type2', 'Type3'],
                    [1, 3, 'Type1',  'Type2', 'Type3'], 
                    [1, 3, 'Type1',  'General', 'Type3'],
                    [1, 4, 'Type1',  'Type2', 'Type3'], 
                    [1, 4, 'Type7',  'Type2', 'Type3'], 
                    [1, 4, 'Type8',  'Type2', 'Type3'],
                    [1, 4, 'Type9',  'Type2', 'Type3'],
                    [1, 4, 'Type10',  'Type2', 'Type3']])

df.columns = ['eventId', 'listingId', 'SeatPart1', 'SeatPart2', 'SeatPart3']
print(df)

给出：

    eventId  listingId SeatPart1 SeatPart2 SeatPart3
0         1          1     Type1     Type3   General
1         1          1     Type1     Type2     Type3
2         1          2     Type1     Type3     Type2
3         1          2   General     Type2     Type3
4         1          3     Type1     Type2     Type3
5         1          3     Type1   General     Type3
6         1          4     Type1     Type2     Type3
7         1          4     Type7     Type2     Type3
8         1          4     Type8     Type2     Type3
9         1          4     Type9     Type2     Type3
10        1          4    Type10     Type2     Type3

现在，我想按两列对eventId和listingId 。 分组后，在那些组中（如果存在），在其他3列SeatPart1或SeatPart2或SeatPart3任何一个中，将General作为一种座位类型，我想要一个单独的名为SeatFlag列，该列的eventId和listingId设置为1 。

因此，我得到的DataFrame将是：

    eventId  listingId SeatPart1 SeatPart2 SeatPart3  SeatFlag
0         1          1     Type1     Type3   General         1
1         1          1     Type1     Type2     Type3         1
2         1          2     Type1     Type3     Type2         1
3         1          2   General     Type2     Type3         1
4         1          3     Type1     Type2     Type3         1
5         1          3     Type1   General     Type3         1
6         1          4     Type1     Type2     Type3         0
7         1          4     Type7     Type2     Type3         0
8         1          4     Type8     Type2     Type3         0
9         1          4     Type9     Type2     Type3         0
10        1          4    Type10     Type2     Type3         0

多一点解释，

在row0 ，对于(eventId, listingId) = (1, 1) ，您看到SeatPart3 （ General必须在3 SeatPart列中的任何位置存在）具有General ，因此对于每个具有(eventId, listingId) = (1, 1) ， SeatFlag列将为1 ，但是对于(eventId, listingId) = (1, 4) ，在无行中，您可以在3 SeatPart列的任何一个中找到一个General ，因此对于每一行具有(eventId, listingId) = (1, 4) ， SeatFlag列将为0 。

Answer 1

这是一种方法

In [101]: isgen = df[['SeatPart1', 'SeatPart2', 'SeatPart3']].eq('General').any(1)

In [102]: df.assign(isgen=isgen).groupby(['eventId', 'listingId']
                                        )['isgen'].transform('any').astype(int)
Out[102]:
0     1
1     1
2     1
3     1
4     1
5     1
6     0
7     0
8     0
9     0
10    0
Name: isgen, dtype: int32

Answer 2

每个groupby元素都是一个序列或数据框。 因此，您想查看“常规”是否是groupby元素的任何部分。

df['SeatFlag'] = df.groupby(['eventId','listingId']).transform(lambda x: (x=='General').sum()).sum(axis = 1)

Answer 3

groupby eventId和listingId，使用检查与'General'是否相等的函数进行转换，并将any归约的用法简化为单个序列。

df['isGen'] =  df.groupby(
    ['eventId', 'listingId']
).transform(lambda x: (x == 'General').any()).any(axis=1).astype(int)

    eventId  listingId SeatPart1 SeatPart2 SeatPart3  isGen
0         1          1     Type1     Type3   General      1
1         1          1     Type1     Type2     Type3      1
2         1          2     Type1     Type3     Type2      1
3         1          2   General     Type2     Type3      1
4         1          3     Type1     Type2     Type3      1
5         1          3     Type1   General     Type3      1
6         1          4     Type1     Type2     Type3      0
7         1          4     Type7     Type2     Type3      0
8         1          4     Type8     Type2     Type3      0
9         1          4     Type9     Type2     Type3      0
10        1          4    Type10     Type2     Type3      0