主页 / coding / 问题 / 78945659
Accepted
Bijan
Asked: 2024-09-04 02:32:34 +0800 CST

检查系列是否具有范围内的值

  • 772

我有一个 Pandas 数据框，其中包含用户信息，并且还有一列有关其权限的信息：

UserName    Permissions
John Doe             02
John Doe             11
 Example             09
 Example             08
   User3             11

我正在尝试创建一个名为的新列，User Class该列基于他们的权限（查看所有用户权限）。 如果用户拥有所有权限 <10，则将其视为Admin。 如果用户拥有所有权限 >=10，则将其视为User。 但是，如果他们拥有的权限同时 <10 和 >=10，则他们将被编码为Admin/User。 因此，我的结果输出将是：

UserName    Permissions    User Class
John Doe             02    Admin/User
John Doe             11    Admin/User
 Example             09         Admin
 Example             08         Admin
   User3             11          User

最好的方法是什么？ 我最初的想法是：

for UserName, User_df in df.groupby(by='UserName'):
    LT10 = (User_df['Permissions'] < 10).any()
    GTE10 = (User_df['Permissions'] >= 10).any()
    if (LT10 & GTE10):
        UserClass = 'Admin/User'
    elif LT10:
        UserClass = 'Admin'
    elif GTE10:
        UserClass = 'User'
    df.at[User_df.index, 'User Class'] = UserClass

然而这些似乎非常低效因为df有~800K条记录

python

3 个回答

  1. 按用户名分组并用来transform计算每个组的最小/最大权限值。然后使用它来User Class计算np.select：

    import numpy as np
import pandas as pd

data = {
    "UserName": ["John Doe", "John Doe", "Example", "Example", "User3"],
    "Permissions": [2, 11, 9, 8, 11],
}

df = pd.DataFrame(data)

permissions = df.groupby("UserName")["Permissions"]
min_permission = permissions.transform("min")
max_permission = permissions.transform("max")

df["User Class"] = np.select(
    [
        (min_permission < 10) & (max_permission < 10),
        (min_permission >= 10) & (max_permission >= 10),
    ],
    ["Admin", "User"],
    default="Admin/User",
)

print(df)

    输出：

       UserName  Permissions  User Class
0  John Doe            2  Admin/User
1  John Doe           11  Admin/User
2   Example            9       Admin
3   Example            8       Admin
4     User3           11        User
    • 4
  2. Best Answer

    另一个可能的解决方案：

    df['User Class'] = (
    df.groupby('UserName')['Permissions']
    .transform(lambda x: 'Admin' if (x < 10).all() else 
               'User' if (x >= 10).all() else 'Admin/User'))

    输出：

       UserName  Permissions  User Class
0  John Doe            2  Admin/User
1  John Doe           11  Admin/User
2   Example            9       Admin
3   Example            8       Admin
4     User3           11        User
    • 4

  3. 我将使用pandas.cut将值映射到管理员/用户并groupby.transform组合类：

    df['User Class'] = (
 pd.cut(df['Permissions'], bins=[0, 10, np.inf],
        labels=['Admin', 'User'], right=False)
   .groupby(df['UserName'])
   .transform(lambda x: '/'.join(sorted(x.unique())))
 )

    输出：

       UserName  Permissions  User Class
0  John Doe            2  Admin/User
1  John Doe           11  Admin/User
2   Example            9       Admin
3   Example            8       Admin
4     User3           11        User
    • 1

相关问题