Pandas筛选指定Category Type的Receipt ID及交集ID

先修正你获取Food类去重Receipt ID的方法 #

你的两种方法都存在问题：

• 方法一错误原因：query语句里的字符串值需要加单引号，否则Python会把Food当成变量而非字符串常量，修正后代码：

df1 = df.query("Category Type == 'Food'")['Receipt ID'].unique()

或者用更直观的布尔索引写法：

df1 = df[df['Category Type'] == 'Food']['Receipt ID'].unique()

• 方法二错误原因：逻辑完全偏差，把Category Type设为索引后，用eq('Food')去对比Receipt ID列（都是数字），结果全是False，自然返回空列表，这个思路没必要采用。

最终目标：找到同时包含Food和Drink的Receipt ID #

这里提供两种高效的实现方式：

方法一：分组后检查类别集合 #

通过分组收集每个Receipt ID对应的所有类别，再筛选同时包含两个目标类别的ID：

import pandas as pd

# 读取CSV文件（假设你已完成这一步）
df = pd.read_csv('your_file.csv')

# 按Receipt ID分组，将每个组的Category Type转为集合
category_groups = df.groupby('Receipt ID')['Category Type'].apply(set)

# 筛选出同时包含Food和Drink的Receipt ID
target_ids = category_groups[category_groups >= {'Food', 'Drink'}].index.tolist()
print(target_ids)  # 输出: [135135, 169071]

方法二：交叉表统计筛选 #

用交叉表统计每个Receipt ID下各类别的出现次数，再筛选两类都有记录的ID：

import pandas as pd

df = pd.read_csv('your_file.csv')

# 生成交叉表，行是Receipt ID，列是Category Type，值为出现次数
count_table = pd.crosstab(df['Receipt ID'], df['Category Type'])

# 筛选Food和Drink计数都大于0的ID
target_ids = count_table[(count_table['Food'] > 0) & (count_table['Drink'] > 0)].index.tolist()
print(target_ids)  # 输出: [135135, 169071]

内容的提问来源于stack exchange，提问作者qyy