如何用Pandas从CSV文件提取符合指定条件的唯一Line Source值？

需求回顾 #

从包含空值的CSV文件中完成以下操作：

1. 筛选Name列值为'Mahmut'的记录
2. 进一步筛选其中Line Source的数值不在整个数据集的Line Destination列中的记录
3. 提取这些记录里唯一的Line Source值（预期输出：14）

示例数据 #

Id  Name      Library       Line Source      Line Destination
0    59  Ayla          2.0                57                    34
1    60  Mahmut        2.0                14                    22
2    61  Mine          2.0                22                    43
3    62  Greg          2.0                14                    62
4    63  Mahmut        2.0                14                    33
5    64  Fiko          2.0                33                    82
6    65  Jasmin                           82                    27
7    66  Mahmut        2.0                43                    11
8    67  Ashley        2.0                62                    53

实现步骤与代码 #

1. 导入Pandas并读取CSV
   直接读取CSV文件，Pandas会自动处理示例中的空值（比如第6行的Library空值），不影响目标字段的处理：

   import pandas as pd
   
   # 替换为你的CSV文件路径
   df = pd.read_csv('your_file.csv')
   

2. 筛选Name为'Mahmut'的记录
   用布尔索引快速定位目标用户的所有记录：

   mahmut_records = df[df['Name'] == 'Mahmut']
   

3. 筛选Line Source不在Line Destination列中的记录
   先把整个数据集的Line Destination值转成集合（提升查询效率），再通过取反操作筛选符合条件的记录：

   # 排除Line Destination中的空值，避免干扰判断
   dest_values = set(df['Line Destination'].dropna())
   filtered_records = mahmut_records[~mahmut_records['Line Source'].isin(dest_values)]
   

   这里~表示逻辑取反，isin()用于判断值是否在目标集合内。

4. 提取唯一的Line Source值
   用unique()获取去重后的结果，再取出唯一值：

   result = filtered_records['Line Source'].unique()[0]
   print(result)  # 输出：14
   

完整代码 #

import pandas as pd

# 读取CSV文件
df = pd.read_csv('your_file.csv')

# 筛选Name为Mahmut的记录
mahmut_df = df[df['Name'] == 'Mahmut']

# 获取所有Line Destination的非空值集合
dest_set = set(df['Line Destination'].dropna())

# 筛选Line Source不在目标集合中的记录
filtered = mahmut_df[~mahmut_df['Line Source'].isin(dest_set)]

# 提取唯一值
unique_line_source = filtered['Line Source'].unique()[0]
print(unique_line_source)

结果验证 #

根据示例数据：

• Mahmut的3条记录中，Line Source分别为14、14、43
• 整个数据集的Line Destination值包括：34、22、43、62、33、82、27、11、53
• 其中14不在该列表内，43存在于列表中，因此最终筛选出的唯一Line Source值为14，符合预期。

内容的提问来源于stack exchange，提问作者fatihbm