所以我有一个看起来像这样的 pandas DataFrame:
r vals positions
1.2 1
1.8 2
2.3 1
1.8 1
2.1 3
2.0 3
1.9 1
... ...
我想按位置过滤掉所有未出现至少 20 次的行。我见过这样的东西
g=df.groupby('positions')
g.filter(lambda x: len(x) > 20)
但这似乎不起作用,我不明白如何从中取回原始数据框。预先感谢您的帮助。
最佳答案
在您的有限数据集上,以下工作:
In [125]:
df.groupby('positions')['r vals'].filter(lambda x: len(x) >= 3)
Out[125]:
0 1.2
2 2.3
3 1.8
6 1.9
Name: r vals, dtype: float64
您可以分配此过滤器的结果并将其与 isin
一起使用过滤您的原始 df:
In [129]:
filtered = df.groupby('positions')['r vals'].filter(lambda x: len(x) >= 3)
df[df['r vals'].isin(filtered)]
Out[129]:
r vals positions
0 1.2 1
1 1.8 2
2 2.3 1
3 1.8 1
6 1.9 1
你只需要在你的情况下将 3
更改为 20
另一种方法是使用 value_counts
创建一个聚合系列,然后我们可以使用它来过滤您的 df:
In [136]:
counts = df['positions'].value_counts()
counts
Out[136]:
1 4
3 2
2 1
dtype: int64
In [137]:
counts[counts > 3]
Out[137]:
1 4
dtype: int64
In [135]:
df[df['positions'].isin(counts[counts > 3].index)]
Out[135]:
r vals positions
0 1.2 1
2 2.3 1
3 1.8 1
6 1.9 1
编辑
如果您想过滤数据框上的 groupby 对象而不是系列,那么您可以调用 filter
直接在 groupby 对象上:
In [139]:
filtered = df.groupby('positions').filter(lambda x: len(x) >= 3)
filtered
Out[139]:
r vals positions
0 1.2 1
2 2.3 1
3 1.8 1
6 1.9 1
关于 python Pandas : exclude rows below a certain frequency count,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30485151/