在数据框中选择值大于分类平均值的行答案

【问题标题】：Selecting rows in dataframe where a value is larger than the categorical mean在数据框中选择值大于分类平均值的行
【发布时间】：2021-12-02 04:42:33
【问题描述】：

我正在努力寻找工资高于部门平均工资的员工，但我在 Pandas 中遇到了一些麻烦。

在 SQL 中，我的查询如下所示：

SELECT name, department, salary
FROM employees e1
WHERE salary > (SELECT AVG(salary) FROM employees e2 WHERE e1.department = e2.department)

这是我在 Pandas 中的尝试：

df.groupby(['Department']).filter(lambda x: df['salary'] > x.salary.mean())[['Name', 'Salary']]

我收到以下错误，我假设它来自过滤器子句中的 df['salary']：

过滤器函数返回一个系列，但需要一个标量布尔

【问题讨论】：

df.loc[df["Salary"]>df.groupby("Department")["Salary"].transform("mean")]?

标签： python sql pandas dataframe filtering

【解决方案1】：

这不像我想要的那样可读，但我认为它有效：

import pandas as pd
df = pd.DataFrame(columns=['employees', 'department', 'salary', 'other_features'],
      data=[['A', 'C1', 1300, 5], 
            ['B', 'C1', 1250, 10], 
            ['C', 'C1', 2000, 18],
            ['D', 'C3', 1240, 21], 
            ['E', 'C1', 1700, 29],
            ['F', 'C2', 1550, 11],
            ['G', 'C3', 2100, 2],
            ['H', 'C3', 1090, 7],
            ['I', 'C2', 1400, 13],
            ['B', 'C2', 1100, 4]])



df.set_index('employees').groupby('department').apply(lambda x: x[x.salary > x.salary.mean()])['salary']

output:

             employees  salary
department          
C1             C         2000
               E         1700
C2             F         1550
               I         1400
C3             G         2100

【讨论】：