如何筛选数据集中不包含值'N'的分组

需求说明 #

筛选所有分组中value列从未出现值N的分组。

不同工具实现方案 #

1. SQL实现 #

假设表名为t，查询语句如下：

SELECT `group`
FROM t
GROUP BY `group`
-- 统计分组内N的出现次数，次数为0即符合要求
HAVING COUNT(CASE WHEN value = 'N' THEN 1 END) = 0;

2. Python Pandas实现 #

假设数据已读入DataFrame对象df：

# 聚合判断每个分组是否全为非N值
mask = df.groupby('group')['value'].apply(lambda x: (x != 'N').all())
# 提取符合要求的分组
result = mask[mask].index.to_frame(index=False)

输出的result就是仅包含A、D分组的结果表。

3. Excel实现 #

假设原始数据在A、B列，表头在第1行，数据行范围2~13：

1. 先提取所有不重复的分组：在D2单元格输入公式=UNIQUE(A2:A13)得到A/B/C/D四个分组
2. E2单元格输入判断公式=COUNTIFS(A:A,D2,B:B,"N")=0，下拉填充所有分组行
3. 筛选E列结果为TRUE的D列值，即为所求结果。

内容的提问来源于stack exchange，提问作者kalex