如何使用if语句基于字符串变量中的值筛选数据集并标记待保留被试

我来帮你搞定这个数据筛选的问题！你的数据集是长格式（每个被试对应多行不同试次），核心思路是先提取每个被试的Practice3和Practice4的DV值，比较后再把结果映射回原数据集，新增include列标记是否保留。下面用Python的pandas库来实现，这是处理这类实验数据最常用的工具：

步骤1：准备示例数据 #

先把你给出的数据集转换成pandas数据框：

import pandas as pd

# 构造示例数据
data = [
    [1, "Practice1", 67],
    [1, "Practice2", 3],
    [1, "Practice3", 78],
    [1, "Practice4", 14],
    [1, "Test", 97],
    [1, "Test", 65],
    [1, "Test", 28],
    [1, "Test", 16],
    [1, "Test", 97],
    [1, "Test", 35],
    [2, "Practice1", 100],
    [2, "Practice2", 99],
    [2, "Practice3", 99],
    [2, "Practice4", 100],
    [2, "Test", 29],
    [2, "Test", 18],
    [2, "Test", 33],
    [2, "Test", 46],
    [2, "Test", 87],
    [2, "Test", 95]
]

df = pd.DataFrame(data, columns=["subj_id", "trial_type", "DV"])

步骤2：提取并比较Practice3和Practice4的DV值 #

我们先把每个被试的Practice3和Practice4的DV值转成宽格式，方便比较：

# 筛选出Practice3和Practice4的行，然后转成宽格式
practice_compare = df[df["trial_type"].isin(["Practice3", "Practice4"])]\
    .pivot(index="subj_id", columns="trial_type", values="DV")\
    .reset_index()

# 计算符合条件的标记：Practice3的DV > Practice4的DV则为1，否则为0
practice_compare["include"] = practice_compare.apply(
    lambda row: 1 if row["Practice3"] > row["Practice4"] else 0, axis=1
)

步骤3：将标记合并回原数据集 #

把刚才得到的include标记映射回原数据框，这样每个被试的所有行都会有对应的标记：

# 合并原数据和标记
final_df = df.merge(practice_compare[["subj_id", "include"]], on="subj_id", how="left")

结果验证 #

运行完上面的代码后，你会得到新增include列的数据集：

• 被试1的Practice3（78）> Practice4（14），所以所有行的include都是1
• 被试2的Practice3（99）< Practice4（100），所以所有行的include都是0

如果你之后需要筛选保留符合条件的被试，直接用final_df[final_df["include"] == 1]就可以啦。

内容的提问来源于stack exchange，提问作者eegegg