Pandas GroupBy- 删除少于 2 个项目的组

Question

我有一个 ID 为 5 列的 Pandas DataFrame。

希望获得仅包含 2 个或更多 ID 的组的输出。或者至少，按 ID 的数量（降序）排序。

for key, item in grouped:

    print(key)
    print(item['ID'])
    print()

通过上述方法来实现一长串键及其 ID，想知道我是否需要在其中合并某种 size() 命令来实现所需的输出？

寻找这样的输出：

('Met', 59.0, 0.0, 0.0, 196.0, 66.0)
702     510000261554
1184    510000247456
Name: ID, dtype: int64

对编码非常陌生，因此非常感谢任何帮助！

Answer 1

根据我的理解，您的数据集如下所示：

print(df)

| id | length | width | material | ... |
+----+--------+-------+----------+-----+
| 1  | 100    | 50    | plastic  | ... |
| 1  | 100    | 50    | plastic  | ... |
| 2  | 100    | 50    | wood     | ... |
| 2  | 100    | 100   | wood     | ... |

然后你按id, length, width, material分组？

如果您随后应用.size()，这将返回一个带有多索引的系列。然后，您可以将此系列过滤到大小大于 1 的行。

# Group the data

s = df.groupby(["id", "length", "width", "material"]).size()

print(s)

| (id, length, width, material) |   |
+-------------------------------+---+
| (1, 100, 50, plastic)         | 2 |
| (2, 100, 50, wood)            | 1 |
| (2, 100, 100, wood)           | 1 |



# Get all groups with more than 1 row

more_than_1_row = s[s>1]

print(more_than_1_row)

| (id, length, width, material) |   |
+-------------------------------+---+
| (1, 100, 50, plastic)         | 2 |


# Convert the Series to a DataFrame

df_more_than_1_row = more_than_1_row.reset_index()

print(df_more_than_1_row)

| id | length | width | material |   |
+----+--------+-------+----------+---+
| 1  | 100    | 50    | plastic  | 2 |

这个最终表格的索引中包含您需要的所有信息，如果您愿意，您可以在最终系列上.reset_index() 生成一个包含 5 列的 DataFrame：id、length、width、material 和 final包含重复数的列。