熊猫群与数据集判断

Question

我有一个数据文件，其中某些行被分类为'pass‘或'fail’。我正试图根据项目通过/失败的次数，对项目进行全面的判断。

熊猫ver 23.4

考虑到以下df：

*注:有其他几列存在，但为此目的，只有这两栏重要。

Name    Judgement
A        Pass
A        Fail
A        Fail
A        Pass
X        Pass
X        Pass
Z        Pass
Z        Pass
Z        Fail
F        Pass

为了作出全面的判断，我们看一下每一项通过/失败的次数。发生超过两次的项只能被判断为“总体传递”，如果(失败的pass == #)。一旦发生的项目不需要进一步判断。

Ex产出如下：

Name    Judgement
A        Pass
X        Pass
Z        Fail
F        Pass

注意A传递，因为它有2次传递和2次失败，所以2/2 =1 == Pass

Z失败是因为它有2次Pass和1次失败SO2/1=2 == fails

我的想法：

在df['Name']上做一个groupby，同时也加入Judgement，简单地计算每个名称的每个判断类型发生的次数。有更干净的方法吗？这个想法似乎有点麻烦，但这是我唯一能想到的。

Answer 1

这就是你所需要的吗? 0.5表示它们相等，1表示所有项目都通过，这两个条件产生传递

s=df.Judgement.eq('Pass').groupby(df['Name']).agg(['mean','count'])
((s['mean'].eq(1)&s['count'].le(2))|s['mean'].eq(0.5)).map({True:'Pass',False:'Fail'})
Out[436]: 
Name
A    Pass
F    Pass
X    Pass
Z    Fail
dtype: object

Answer 2

我的方法是：

new_df = df.Judgement.eq('Pass').groupby(df['Name']).agg({'size','mean', 'max'})

is_passed = ( # check those with more than two counts
             (new_df['mean'].eq(0.5) & new_df['size'].gt(2)) 

              # those with one or two counts pass if they have a pass
             | (new_df['size'].le(2) & new_df['max'])   
            )

产生的结果：

Name
A     True
F     True
X     True
Z    False
dtype: bool

同样，我们可以：

is_passed = np.where(new_df['size'].le(2), new_df['max'] , new_df['mean'].eq(0.5))

您可以使用np.where来屏蔽pass，fail

np.where(is_passed, 'pass', 'fail')

Answer 3

使用自定义的apply函数：

In [334]: def compare_pass_fail(x):
     ...:     v_counts = x['Judgement'].value_counts()
     ...:     return 'Pass' if ('Fail' not in v_counts or v_counts.get('Pass') == v_counts['Fail']) else 'Fail'
     ...: 
In [335]: df.groupby('Name').apply(compare_pass_fail)
Out[335]: 
Name
A    Pass
F    Pass
X    Pass
Z    Fail
dtype: object