如何基于字典中的语言技能要求筛选长格式Pandas DataFrame

给定语言技能要求字典：

request = {'languages_required': {'Python': 4,
                                  'Java': 2},
           'other_requests': []
          }

以及候选人技能的Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({'candidate': ['a', 'a', 'a', 'b', 'b', 'c', 'c', 'd', 'd', 'd'],
                  'language': ['Python', 'Java', 'Scala', 'Python', 'R', 'Python', 'Java', 'Python', 'Scala', 'Java'],
                  'skill': [5, 4, 4, 6, 8, 1, 3, 5, 2, 2]})

数据展示：

candidate   language    skill
0       a       Python      5
1       a       Java        4
2       a       Scala       4
3       b       Python      6
4       b       R           8
5       c       Python      1
6       c       Java        3
7       d       Python      5
8       d       Scala       2
9       d       Java        2

需要筛选出同时满足以下条件的候选人及其对应语言技能：

• 掌握languages_required中提及的所有语言
• 对应语言的技能等级不低于字典中的要求值

期望输出：

candidate   language    skill
0       a       Python      5
1       a       Java        4
7       d       Python      5
9       d       Java        2

解决方案 #

你之前的代码仅完成了"掌握所有必需语言"的筛选，还需补充技能等级校验，可按以下步骤实现：

方法一：分步实现

1. 筛选技能达标的语言记录
   先匹配每条记录对应的最低技能要求，再筛选出技能达标的行：

   # 将语言要求转为Series，方便匹配
   lang_requirements = pd.Series(request['languages_required'])
   # 先过滤出属于要求语言的记录
   target_records = df[df['language'].isin(lang_requirements.index)]
   # 添加最低要求列并筛选技能达标行
   target_records['min_skill'] = target_records['language'].map(lang_requirements)
   qualified_records = target_records[target_records['skill'] >= target_records['min_skill']]
   

2. 筛选掌握所有要求语言的候选人
   对达标记录按候选人分组，检查是否覆盖全部要求语言：

   valid_candidates = qualified_records.groupby('candidate')['language'].apply(
       lambda x: set(lang_requirements.index).issubset(x)
   )
   # 提取有效候选人名单
   valid_candidates = valid_candidates[valid_candidates].index
   

3. 生成最终结果
   从达标记录中筛选出有效候选人的行，并移除辅助列：

   final_result = qualified_records[qualified_records['candidate'].isin(valid_candidates)].drop(columns='min_skill')
   print(final_result)
   

方法二：简洁合并写法

lang_reqs = request['languages_required']

# 第一步：筛选技能达标的语言记录
filtered = df[
    df.apply(lambda row: row['language'] in lang_reqs and row['skill'] >= lang_reqs[row['language']], axis=1)
]

# 第二步：找出掌握所有要求语言的候选人
valid_candidates = filtered.groupby('candidate')['language'].apply(
    lambda x: set(lang_reqs.keys()).issubset(x)
)

# 第三步：输出最终结果
final_result = filtered[filtered['candidate'].isin(valid_candidates[valid_candidates].index)]
print(final_result)

两种方法都能得到符合要求的结果，既保证候选人掌握全部必需语言，又满足每项语言的技能等级达标。

内容的提问来源于stack exchange，提问作者Freejack