如何根据列组上的多(其他列)-condition选择数据行？

Question

将下列数据复制到剪贴板：

  textId   score              textInfo
0  name1     1.0            text_stuff
1  name1     2.0  different_text_stuff
2  name1     2.0            text_stuff
3  name2     1.0  different_text_stuff
4  name2     1.3  different_text_stuff
5  name2     2.0  still_different_text
6  name2     1.0              yoko ono
7  name2     3.0     I lika da Gweneth
8  name3     1.0     Always a tradeoff
9  name3     3.0                What?!

现在用

import pandas as pd
df=pd.read_clipboard(sep='\s\s+')

把它加载到你的环境中。如果该的score组至少包含一个等于1.0、2.0和3.0的score，那么如何分割这个数据以使返回特定textId的所有行？在这里，所需操作的结果将排除textId行name1，因为它的score组缺少一个3.0，而排除name3，因为它的score组缺少一个2.0：

  textId   score              textInfo
0  name2     1.0  different_text_stuff
1  name2     1.3  different_text_stuff
2  name2     2.0  still_different_text
3  name2     1.0              yoko ono
4  name2     3.0     I lika da Gweneth

尝试

1. df[df.textId == "textIdRowName" & df.score == 1.0 & df.score == 2.0 & & df.score == 3.0]是不正确的，因为条件不是对textId组起作用，而是只对单个行起作用。如果可以重写它来与textId组匹配，那么它可以放在一个for循环中，并输入惟一的textIdRowName。这样的函数将在一个系列(比如textIdThatMatchScore123)中收集textId的名称，然后可以用来分割原始的df，比如df[df.textId.isin(textIdThatMatchScore123)]。
2. 在groupby考试中失败。

Answer 1

这里有一个解决方案-- groupby textId，然后只保留那些得分的唯一值是[1.0, 2.0, 3.0]的超集(>=)的组。

In [58]: df.groupby('textId').filter(lambda x: set(x['score']) >= set([1.,2.,3.]))
Out[58]: 
  textId  score              textInfo
3  name2    1.0  different_text_stuff
4  name2    1.3  different_text_stuff
5  name2    2.0  still_different_text
6  name2    1.0              yoko ono
7  name2    3.0     I lika da Gweneth