Pandas查询的使用

Question

我正在寻找一个更大的代码问题，并试图分解简单的部分，以便我可以理解它们。我现在正在尝试理解pandas查询功能。我已经为我的学习复制了一个小例子。

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帧，尽管我在一个更大的代码库中看到了一些完全类似的事情。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得名称的所有组合来跟进这一点，但没有重复。

我在试着分析几周前的一道试题。有两个数据帧，电影和演员。

任务如下：

创建一个名为good_teamwork的数据帧，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.

按字母顺序从A-Z按cast_member_1对结果进行排序，并通过按cast_member_2从A-Z按字母顺序对结果进行排序来打破所有平局。将avg_score的结果四舍五入为两(2)位小数。

删除重复项。

电影数据帧很大，但如下所示：

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

cast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']]

我主要是想了解查询语句和带有cast_name_x和cast_name_y的groupby语句是如何在没有任何重复项的情况下获得所有参与者组合的。我也不明白在哪里，例如，cast_name_x被声明为一个变量以供使用。

Answer 1

你可以使用compare strings columns with less operator，但显然这是没有理由的。

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使用带有布尔掩码的boolean indexing -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: []