提取具有特殊值的数据答案

【问题标题】：extract data with special value提取具有特殊值的数据
【发布时间】：2021-04-04 16:46:13
【问题描述】：

我有一个像这样的数据集：

df = pd.DataFrame({'scientist':["Wendelaar Bonga"," Sjoerd E.", "Grätzel"," Michael", "Willett", "Walter C.",
                             "Kessler", "Ronald C.", "Witten, Edward", "Wang, Zhong Lin"],
               'SubjectField': ["Biomedical Engineering", "Inorganic & Nuclear Chemistry",
                                "Organic Chemistry", "Biomedical Engineering", "Developmental Biology",
                                "Mechanical Engineering & Transports", "Biomedical Engineering", "Microbiology",
                                "Cardiovascular System & Hematology", "Biomedical Engineering"]})

我想统计每个学科领域的科学家人数，并提取有超过 2 名科学家的学科领域。这是我计算科学家数量的代码

 number_of_scientists_in_fields=data.groupby(['SubjectField'])['scientist'].count()

如何提取拥有超过 2 位科学家的学科领域？

【问题讨论】：

标签： python pandas dataframe anaconda data-analysis

【解决方案1】：

你只需要创建一个Series，然后用> 2过滤它：

使用Groupby.count:

In [2554]: x = df.groupby('SubjectField')['scientist'].count()
In [2559]: ans = x[x > 2]

In [2560]: ans
Out[2560]: 
SubjectField
Biomedical Engineering    4
Name: scientist, dtype: int64

【讨论】：

如何从我的数据中删除少于 2 名科学家的主题字段？
为什么要显式删除行？只需选择 count > 2 的行，就像我的回答一样。
我需要对数据进行一些其他操作，所以我需要删除一些部分。虽然这不是真正的数据集
我明白了。我想说的是，删除行或选择计数大于 2 的行是一样的。
你不懂我。我需要使用剩下的数据！

【解决方案2】：

替代方法，可能不如 Dani 的方法：

> df2 = df[df.SubjectField.duplicated(keep=False)]
> df2.groupby('SubjectField').count()
                        scientist
SubjectField
Biomedical Engineering          4

然而，这个例子将包括 2 个或更多（不 > 2）

【讨论】：

【解决方案3】：

使用value_counts，如下：

fields = df.value_counts('SubjectField').to_frame('count')
res = fields[fields['count'] > 2]
print(res)

输出

                        count
SubjectField                 
Biomedical Engineering      4

【讨论】：