时间戳

首页 > 解决方案 > Pandas 使用查询

python - Pandas 使用查询

问题描述

我正在研究一个更大的代码问题，并试图分解简单的部分，以便我能理解它们。我现在正在尝试了解 pandas 查询功能。我复制了一个小例子供我学习。

import pandas as pd

df = pd.DataFrame()

df['nameA'] = ['Donald','Daffy','Minnie']

df['nameB'] = ['Donald','Daffy','Minnie']

df2 = df.query('nameA < nameB')

print(df2)

我得到了一个空的数据框，尽管我在更大的代码库中看到了完全相同的东西。有人能解释一下我的基本理解有什么缺陷吗？

我想通过按两列分组并获取所有名称组合来跟进这一点，但没有重复。

我正在尝试分析几周前的考试题。有两个数据框，电影和演员表。

任务如下：

创建一个名为 good_teamwork 的数据框，其中包含四列：

cast_member_1 and cast_member_2, the names of each pair of cast members that appear in the same movie;
num_movies, the number of movies that each pair of cast members appears in; and
avg_score, the average review score for each of those movies containing the two cast members.

从 AZ 按字母顺序按 cast_member_1 对结果进行排序，并按从 AZ 按字母顺序按 cast_member_2 排序来打破任何平局。将 avg_score 的结果四舍五入到两 (2) 位小数。

删除重复项。

电影数据框很大，但有点如下：

id   name                                                score
0   9   Star Wars: Episode III - Revenge of the Sith 3D         61
1   24214   The Chronicles of Narnia: The Lion, The Witch ...   46
2   1789    War of the Worlds   94
3   10009   Star Wars: Episode II - Attack of the Clones 3D     28
4   771238285   Warm Bodies                                      3

演员数据帧遵循以下格式：

movie_id  cast_id   cast_name
0   9   162652153   Hayden Christensen
1   9   162652152   Ewan McGregor
2   9   418638213   Kenny Baker
3   9   548155708   Graeme Blundell
4   9   358317901   Jeremy Bulloch

解决方案代码如下：

joined_df = cast.merge(cast, how='inner', left_on='movie_id', 
right_on='movie_id')
joined_df = joined_df.query('cast_name_x < cast_name_y')
good_teamwork2 = joined_df.merge(movies, how='inner', 
left_on='movie_id', right_on='id')
good_teamwork2 = good_teamwork2.groupby(['cast_name_x', 
'cast_name_y']).agg({'movie_id': 'size', 'score': 
'mean'}).reset_index()
good_teamwork2.columns = ['cast_member_1', 'cast_member_2', 
'avg_score', 'num_movies']
good_teamwork2 = good_teamwork2[good_teamwork2['avg_score'] >= 50]
good_teamwork2 = good_teamwork2[good_teamwork2['num_movies'] >= 3]
good_teamwork2 = good_teamwork2.round({'avg_score': 2})
good_teamwork2 = good_teamwork2.sort_values(by=['cast_member_1', 
'cast_member_2'], ascending=[True, True]).reset_index(drop=True)
good_teamwork2 = good_teamwork2[['cast_member_1', 'cast_member_2', 
'num_movies', 'avg_score']]

我主要想了解查询语句和带有 cast_name_x 和 cast_name_y 的 groupby 语句如何获得所有演员组合而没有任何重复。例如，我也看不到 cast_name_x 在哪里被声明为使用变量。

标签： pythonpandas

解决方案

您可以使用 less 运算符比较字符串列，但显然它没有理由。

print(df)
    nameA   nameB
0  Donald  Donald
1   Daffy   Daffy
2  Minnie  Minnie

具有相同输出的替代解决方案是boolean indexing与布尔掩码一起使用 - 这里可以看到比较只返回False值，因此输出为空DataFrame：

mask = df['nameA'] < df['nameB']
print (mask)
0    False
1    False
2    False
dtype: bool

df2 = df[mask]
print (df2)
Empty DataFrame
Columns: [nameA, nameB]
Index: []

df2 = df.query('nameA < nameB')
print(df2)
Empty DataFrame
Columns: [nameA, nameB]
Index: []

推荐阅读