调整 for 循环以仅根据 df 中的出现频率返回值答案

【问题标题】：Adjust for loop to only return values based on frequency of occurence in df调整 for 循环以仅根据 df 中的出现频率返回值
【发布时间】：2020-11-21 08:43:03
【问题描述】：

我有一个数据框df:

index   value   value_count
0       10      1
1       50      2
2       50      2
3       20      2
4       20      2
5       30      2
6       30      2

我想分析不同数据框中的每个唯一值。要创建单独的数据框 (='subdf_{i}')，我使用以下代码：

results = {}

for i, j in enumerate(df.value.unique()):
    results[f'subdf_{i}'] = df[df.value.eq(j)]

这为每个唯一值提供了一个像这样的 subdf：

subdf_1

index   value   value_count
0       10      1

subdf_2

index   value   value_count
1       50      2
2       50      2

subdf_3

...

我不想为我所有的唯一值返回子数据帧，而是只为 3 个最常见的值（即上面示例中的 50、30、20）创建子数据帧。

如何调整我上面的代码以获得这个结果？

谢谢。

【问题讨论】：

标签： python pandas dataframe for-loop

【解决方案1】：

在value 列上使用Series.value_counts 并使用切片来获取前三个最常见的列值，然后使用字典推导来存储最常见的前三个subdf：

idx = df['value'].value_counts().index[:3]
results = {f'subdf_{i}': df[df['value'].eq(v)] for i, v in enumerate(idx, 1)}

结果：

print(results['subdf_1'])

   index  value  value_count
5      5     30            2
6      6     30            2

【讨论】：

【解决方案2】：

调整你的代码

df1=df[df.value_count==df.value_count.max()]

results = {}

for i, j in enumerate(df1.value.unique()):
    results[f'subdf_{i}'] = df1[df1.value.eq(j)]

通过使用groupby

results = {f'subdf_{x}' : y  for x , y in df1.groupby('value')}

【讨论】：