在熊猫，如何检查，如果两个字符串中现有的数据帧匹配任何行多列，并将其删除

Question

我有一个数据帧，看起来像这样

                 rootID   parentID    jobID  time                         counter
              0    A         B          D    2019-01-30 14:33:21.339469      0
              1    E         F          G    2019-01-30 14:33:21.812381      0
              2    A         C          D    2019-01-30 15:33:21.812381      0
              3    E         B          F    2019-01-30 15:33:21.812381      0
              4    E         F          G    2019-01-30 16:33:21.812381      0

我会喂活的数据，该数据是rootID字符串，字符串的parentID，作业ID字符串和日期。

我要检查，如果新检索rootID和组合的parentID在数据帧已经存在。所以，如果我找回rootID =“A”和==的parentID“B”，作业ID ==“T”我要访问的数据框的第一行。然后我想删除该行并追加新的信息和增量更新计数器。

         IF rootID and parentID exist in the same row in dataframe. 
         delete row and append new data with updated jobID and incremented counter. 

数据框应该像

                 rootID   parentID    jobID  time                         counter
              0    E         F          G    2019-01-30 14:33:21.812381      0
              1    A         C          D    2019-01-30 15:33:21.812381      0
              2    E         B          F    2019-01-30 15:33:21.812381      0
              3    E         F          G    2019-01-30 16:33:21.812381      0
              4    A         B          T    2019-01-30 17:33:21.339469      1

任何人有任何想法怎么可以这样做？

Answer 1

我会

root_id, parent_id, job_id = get_ids() # e.g. ('A', 'B', 'T')

cond = df.rootID.eq(root_id) & df.parentID.eq(parent_id) & df.jobID.eq(job_id)

df.loc[cond, ['time', 'counter']] = datetime.datetime.now(), df.loc[cond, 'counter']+1

这将更新您的数据帧in_place。我不会重新排序数据框所有的时间，除非它是绝对必要的。如果你可以，例如，重新排序，一旦一天，你可以

df.sort_values(by='time') #.reset_index(drop=True), if needed

定期。但是，如果你非得每个新数据来自时间来改变行，那么，假设你有唯一的ID，

df = pd.concat([df[df[cond].index.item()+1:], df[cond]]) 

Answer 2

我想，你可以通过你的翻译例如得到一个相当接近的解决方案：

for index, row in df.iterrows():
    if row['rootID'] == rootID and row['parentID'] == parentID:
        df.drop(df.iloc[index])
        row['time'] = datetime.datetime.now()
        row['counter'] += 1
        df = df.concat(row)

没有循环：

selected_row = df[(df['rootId'] == rootID) & (df['parentID'] == parentID)])
df.drop(selected_row)
selected_row['time'] = datetime.datetime.now()
selected_row['counter'] += 1
df = df.concat(selected_row)

这个假设你只有一排匹配rootID和组合的parentID您正在寻找。