删除互斥记录

Question

删除记录集中互斥记录的最快方法是什么。 我正在使用Python，如果需要，可以利用Pandas

我有以下资料：

^{tb1}$

例如，我们看到，记录1被共享给用户A，然后从用户A中删除，然后再次共享，然后删除，因此不应该存在任何记录

输出应仅为一行：

^{tb2}$

一种选择是使用字典，如果记录中存在互不相容的记录，则删除该记录，这些记录具有密钥和共享类型。键可能类似于[recordId]-[shareType]-[sharedToUser]

我在想，也许在某些地方（熊猫？）已经存在类似的功能

Answer 1

您可以执行以下操作-

1. 定义一个新列state，该列在shared时等于1，在share_removed时等于-1
2. Groupby RecordID和UserID，并对这个新变量求和。
   • 如果用户的访问权限被删除，则总和将为0（如果多次删除，则总和将小于0）
   • 如果用户的访问权限仍然存在，则总和将为1或以上（如果共享多次）
3. 根据此条件创建一个新列，然后使用该列最终筛选数据帧。如有必要，请删除“条件”列

#Check state of access as 1 or -1
df['state'] = df['Share type'].apply(lambda x: 1 if x=='shared' else -1)

#Groupby and filter for rows with state >=1
df[df.groupby(['Record ID', 'Share To User'])['state'].transform(sum)>=1].drop('state', axis=1)

---

备选方案：

如果您愿意使用numpy.where，这会使它更干净，因为这样您就可以使用df.assign，而无需显式地为groupby创建新列-

cond = df.assign(state = lambda x: np.where(x['Share type']=='shared', 1, -1))\
         .groupby(['Record ID','Share To User'])['state']\
         .transform(sum)>=1

df[cond]

Answer 2

那怎么办

>>> d = df.set_index('Record ID')
>>> d[(d.groupby(by='Record ID')['Share type'].count() % 2).astype(bool)]
            Shared On Share type Share To User
Record ID                                     
4          1611872855     shared        user C

只有当两个可能的共享类型事件，即'share'和'share_removed'，强制像开关一样相互排斥时，这种方法才有效

否则，如果出于某种原因，没有报告'shared'或'share_removed'事件，那么我的方法就没有@Akshay的方法那么健壮