python - 根据行数对 Pandas Dataframe 进行切片

我想这是相当简单的事情，但我找不到如何做到这一点。我一直在搜索教程和stackoverflow。

假设我有一个像这样的数据帧 df :

Group   Id_In_Group   SomeQuantity
1        1              10
1        2              20
2        1               7
3        1              16
3        2              22
3        3               5
3        4              12
3        5              28
4        1               1
4        2              18
4        3              14
4        4               7
5        1              36

我想只选择组中至少有 4 个对象的行(因此至少有 4 行具有相同的“组”编号)，对于第 4 个对象的 SomeQuantity，当通过升序 SomeQuantity 在组中排序时，大于 20(例如)。

例如，在给定的 Dataframe 中，它只会返回第 3 个组，因为它有 4 个(>=4)成员，并且它的第 4 个 SomeQuantity(排序后)为 22(>=20)，因此它应该构造 dataframe:

Group   Id_In_Group   SomeQuantity
3        1              16
3        2              22
3        3               5
3        4              12
3        5              28

(无论是否按 SomeQuantity 排序)。

有人可以帮助我吗？ :)

最佳答案

使用 map 、 value_counts 、 groupby 、 filter 的方法略有不同:

(df[df.Group.map(df.Group.value_counts().ge(4))]
   .groupby('Group')
   .filter(lambda x: np.any(x['SomeQuantity'].sort_values().iloc[3] >= 20)))

步骤分解:

执行 value_counts 以计算 Group 列中存在的不同元素的总数。

>>> df.Group.value_counts()

3    5
4    4
1    2
5    1
2    1
Name: Group, dtype: int64

使用功能类似于字典的 map(其中索引成为键，系列元素成为值)将这些结果映射回原始 DF

>>> df.Group.map(df.Group.value_counts())

0     2
1     2
2     1
3     5
4     5
5     5
6     5
7     5
8     4
9     4
10    4
11    4
12    1
Name: Group, dtype: int64

然后，我们检查具有 4 或更多值的元素，这是我们的阈值限制，并仅从整个 DF 中获取那些子集。

>>> df[df.Group.map(df.Group.value_counts().ge(4))]

    Group  Id_In_Group  SomeQuantity
3       3            1            16
4       3            2            22
5       3            3             5
6       3            4            12
7       3            5            28
8       4            1             1
9       4            2            28
10      4            3            14
11      4            4             7

为了对此使用 groupby.filter 操作，我们必须确保在执行排序过程并将第四个元素与阈值 20 进行比较时，我们返回与每个分组键对应的单个 bool 值。np.any 返回与我们的过滤器匹配的所有此类可能性。

>>> df[df.Group.map(df.Group.value_counts().ge(4))]         \
      .groupby('Group').apply(lambda x: x['SomeQuantity'].sort_values().iloc[3])

 Group
3    22
4    18
dtype: int64

从这些中，我们比较第四个元素 .iloc[3] 因为它是基于 0 的索引并返回所有这些有利匹配。

关于python - 根据行数对 Pandas Dataframe 进行切片，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41505215/