Discussion :

[preliator]

Bonjour,

Je dispose d'un dataframe, qui représente des noms de combinaisons, des personnes qui caractérisent ces combinaisons, et une note moyenne par combinaison. En parcourant le dataframe de haut en bas, je souhaiterais extraire les combinaisons, de telle manière qu'une combinaison ne comporte pas la même personne qu'une autre combinaison. Concrètement, il ne doit pas y avoir une personne dans plusieurs combinaison.

Bien que peu élégant, j'ai réussi à créer cet algorithme. malheureusement, je rencontre une erreur que me fiche tout en l'air seulement lorsque j'applique un filtre sur mon dataframe. Voici un code reproductible qui illustre mon exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
 
import pandas as pd
import numpy as np
 
#J'initialise mes listes
compo_df = []
group_df = []
 
#Je crée mon dataframe
df = pd.DataFrame({'nom_combinaison': ['Compo1', 'Compo2', 'Compo3', 'Compo4','Compo5', 'Compo6', 'Compo7', 'Compo8'], 'prenom': ["[Personne3, Personne5, Personne6]", "[Personne3, Personne4, Personne11]", "[Personne9, Personne11, Personne12]", "[Personne8, Personne9, Personne12]", "[Personne1, Personne9, Personne12]", "[Personne3, Personne4, Personne8]", "[Personne1, Personne3, Personne4]", "[Personne3, Personne6, Personne10]"] , 'moyenne': np.random.randn(8)})
 
#ICI, LA LIGNE QUI FAIT BUGER MON PROGRAMME. CE DERNIER FONCTIONNE BIEN SI ELLE EST SUPPRIMEE
df = df.loc[(df.moyenne > 0.2)]
 
#Par défaut, j'ajoute à mes listes le premier élément des combinaisons et personnes
compo_df.append(df["nom_combinaison"][0])
group_df.append(df["prenom"][0])
 
a_remplir = []
 
for i in range(0, len(df)): #Je parcours mon dataframe
	if len(set(df["prenom"][i]) & set(a_remplir)) == 0: #Si la liste "a_remplir"  ne contient pas d'élément semblable à df["prenom"][i] : 
		print("combi %s : valeur %s"%(df["nom_combinaison"][i], df["prenom"][i])) #Pour m'aider, j'affiche les éléments
		compo_df.append(df["nom_combinaison"][i]) #J'ajoute à mes liste le nom de la combinaison...
		group_df.append(df["prenom"][i])#.... ainsi que les personnes
		print("Je met")
		for value in df["prenom"][i]: #Et j'ajoute à "a_remplir" les valeurs de la liste de df["prenom"][i] pour éviter d'avoir des groupes avec des personnes similaire entre eux
			a_remplir.append(value)
			print(value)
	else:
		print("combi %s : valeur %s"%(df["nom_combinaison"][i], df["prenom"][i]))
		print("similitude : je rejette")
		print("\n")
 
print(list(set(compo_df)))
print((group_df))

L'erreur retournée est :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
 
combi Combinaison_1 : valeur ['Personne3', 'Personne4', 'Personne11']
Je met
Personne3
Personne4
Personne11
 
Traceback (most recent call last):
  File "delete.py", line 20, in <module>
    if len(set(df["prenom"][i]) & set(a_remplir)) == 0: #Si la liste "a_remplir"  ne contient pas d'élément semblable à df["prenom"][i] : 
  File "C:\ProgramData\Miniconda3\lib\site-packages\pandas\core\series.py", line 871, in __getitem__
    result = self.index.get_value(self, key)
  File "C:\ProgramData\Miniconda3\lib\site-packages\pandas\core\indexes\base.py", line 4405, in get_value
    return self._engine.get_value(s, k, tz=getattr(series.dtype, "tz", None))
  File "pandas\_libs\index.pyx", line 80, in pandas._libs.index.IndexEngine.get_value
  File "pandas\_libs\index.pyx", line 90, in pandas._libs.index.IndexEngine.get_value
  File "pandas\_libs\index.pyx", line 138, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\hashtable_class_helper.pxi", line 998, in pandas._libs.hashtable.Int64HashTable.get_item
  File "pandas\_libs\hashtable_class_helper.pxi", line 1005, in pandas._libs.hashtable.Int64HashTable.get_item
KeyError: 1

Que s'est-il passé ?
Merci.

[master4]

Bonjour,

Si ça ne marche pas la raison est que la moyenne que ta moyenne tu la calcules aléatoirement. Donc après l'exécution de cette ligne de code

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

df = df.loc[df.moyenne > 0.2]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
compo_df.append(df["nom_combinaison"][0])
group_df.append(df["prenom"][0])

La valeur que tu crois être la première n'est pas toujours vraie car parfois après ce filtre, ça peut être la 2ème ou la 3ème, etc. ligne qui devient ta 1ère valeur vraie (correspondant au filtre).

[preliator]

Merci pour ta réponse. J'ai malheureusement peur de ne pas comprendre :

Pour moi, la formule suivante...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

df = df.loc[df.moyenne > 0.2]

...garde la même forme que le dataframe de base à la différence que le filtre est appliquée. Si je n'ai que deux lignes de ma colonne "moyenne" qui est > 0.2, alors je me retrouve avec un dataframe à 2 lignes. Dans ce cas, je ne vois pas pourquoi la ligne

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
compo_df.append(df["nom_combinaison"][0])

me reverrait une ligne avec une valeur de "moyenne" qui ne correspond pas au filtre. Peut-être, au lieu d'appliquer ce filtre sur lui même, devrais-je créer un autre dataframe avec un autre nom pour voir si cela change les choses ?

Merci.

[master4]

Si je n'ai que deux lignes de ma colonne "moyenne" qui est > 0.2, alors je me retrouve avec un dataframe à 2 lignes. Dans ce cas, je ne vois pas pourquoi la ligne

Exactement ! Ça garde la même forme par contre, les indices de lignes ne changent pas. Essaie d'afficher ton dataframe après ce filtre pour voir quel est l'indice (index) de ta 1ère ligne.
Supposons qu'il y avait 3 lignes dans ton dataframe comme suit :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
nom_combinaison	prenom	                                 moyenne
0	Compo1	[Personne3, Personne5, Personne6]	0.177108
1	Compo2	[Personne3, Personne4, Personne11]	0.532438
2	Compo3	[Personne9, Personne11, Personne12]	-0.548051

Ensuite, j'affiche les lignes restantes :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
df
nom_combinaison	prenom	                                 moyenne
1	Compo2	[Personne3, Personne4, Personne11]	0.532438

Après application de ton filtre, il ne restera plus que la ligne 1 car la ligne 0 et 2 ne correspondent pas à celui-ci. Par conséquent, par la suite, quand tu écris :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

compo_df.append(df["nom_combinaison"][0])

Ça ne peut pas marcher car l'index 0 n'existe plus. Par contre, si tu mets 1 à la place de 0, ça va marcher. Ensuite, en fonction des cas, il pourrait encore y avoir des problèmes lors de l'exécution de ta boucle for car i prendra des valeurs qui n'existent parmi les index de ton dataframe.

[preliator]

Un grand merci pour cette explication. Effectivement, je n'avais pas cette notion d'index pendant un tri.

J'ai pu résoudre mon problème avec cette ligne magique, après avoir appliqué mon filtre sur mon df :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
df = df.reset_index(drop=True)