参考其他值从 pandas dataframe 中提取值

Question

我有一个 dataframe：

d= {'page_number':[0,0,0,0,0,0,1,1,1,1], 'text':[aa,ii,cc,dd,ee,ff,gg,hh,ii,jj]}
df = pd.DataFrame(data=d)
df
 
   page_number   text
0     0           aa
1     0           ii
2     0           cc
3     0           dd
4     0           ee
5     0           ff
6     1           gg
7     1           hh
8     1           ii
9     1           jj

我想找出'gg'出现的page_numer，现在在同一个page_number上可以有许多不同的子字符串，但我有兴趣提取'ii'出现在'gg'的同一page_number上的行号（不是有兴趣获得其他“ii”子串出现的结果）

idx=np.where(df['text'].str.contains(r'gg', na=True))[0][0]

在这里不一定有帮助，因为它检索“gg”的行号而不是它的“page_number”。

非常感谢

Answer 1

你首先只留下'ii'和'gg'外观：

df = df[df['text'].isin(['ii', 'gg'])

然后通过 groupby 页码，我们可以假设当我们得到 2 时，它们在同一页上：

df2 = df.groupby('page_number').count()
df2[df2['text'] == 2]

Answer 2

您可以使用 pandas 根据另一个列值检索列值。 我希望这将检索您正在寻找的东西。 df[df['text']=='gg']['page_number']

Answer 3

如果您在任何页面上有多个 'gg' 和 'ii'：

这将返回 boolean 系列：

df = df.groupby(by='page_number').agg(lambda x: True if 'gg' in x.values 
                                      and 'ii' in x.values else False)

这将为您提供页数

df[df.text].index