从 pandas 数据框的列中选择前 50% 的百分比名称

Question

我有一个看起来像这样的熊猫数据框。行和列具有相同的名称。

name a  b  c  d  e  f  g 
 a   10 5  4  8  5  6  4
 b   5  10 6  5  4  3  3
 c   -  4  9  3  6  5  7
 d   6  9  8  6  6  8  2
 e   8  5  4  4  14 9  6
 f   3  3  -  4  5  14 7
 g   4  5  8  9  6  7  10

我可以通过传递 df['column_name'].nlargest(n=5) 来获得 5 个最大值，但是如果我必须按降序返回最大值的 50%，熊猫中是否有内置的我必须为它编写一个函数，我怎样才能得到它们？我对python很陌生。请帮帮我。

更新：所以让我们考虑 a 列，它有 10、5、-、6、8、3 和 4 之类的值。我必须将所有这些值加起来，得到前 50% 的值。所以在这种情况下，总数是 36。这些值的 50% 是 18。所以从 a 列中，我只想选择 10 和 8。同样，我想浏览所有其他列并选择 50%。

Answer 1

排序很灵活:)

df.sort_values('column_name',ascending=False).head(int(df.shape[0]*.5))

更新： frac 参数仅适用于 .sample()，不适用于 .head 或 .tail。 df.sample(frac=.5) 确实给出了 50%，但 head 和 tail 只需要 int。 df.head(frac=.5) 失败，TypeError: head() got an unexpected keyword argument 'frac'

注意：关于 int() 与 round()

int(3.X) == 3 # True Where 0 >= X >=9 
round(3.45) == 3 # True
round(3.5) == 4 # True

因此，在执行 .head(int/round ...) 时，请考虑适合您需要的行为。

更新：要求

所以让我们考虑 a 列，它的值类似于 10， 5,-,6,8,3 和 4。我必须把它们全部加起来，得到前 50% 他们。所以在这种情况下，总数是 36。这些值的 50% 将是 18. 所以从 a 列中，我只想选择 10 和 8。同样，我想浏览所有其他列并选择 50%。 -马特

一个愚蠢的技巧是排序，找到累积总和，通过将其除以总和来找到中间，然后使用它来选择排序列的一部分。例如

import pandas as pd

data = pd.read_csv(
pd.compat.StringIO("""name a b c d e f g 
a 10 5 4 8 5 6 4
b 5 10 6 5 4 3 3
c - 4 9 3 6 5 7
d 6 9 8 6 6 8 2
e 8 5 4 4 14 9 6
f 3 3 - 4 5 14 7
g 4 5 8 9 6 7 10"""), 
sep=' ', index_col='name'
).dropna(axis=1).apply(
pd.to_numeric, errors='coerce', downcast='signed')

x = data[['a']].sort_values(by='a',ascending=False)[(data[['a']].sort_values(by='a',ascending=False).cumsum()
                                                 /data[['a']].sort_values(by='a',ascending=False).sum())<=.5].dropna()
print(x)

结果：

Answer 2

您可以对数据框进行排序并仅显示 90% 的数据

df.sort_values('column_name',ascending=False).head(round(0.9*len(df)))

Answer 3

数据.csv

name,a,b,c,d,e,f,g
a,10,5,4,8,5,6,4
b,5,10,6,5,4,3,3
c,-,4,9,3,6,5,7
d,6,9,8,6,6,8,2
e,8,5,4,4,14,9,6
f,3,3,-,4,5,14,7
g,4,5,8,9,6,7,10

test.py

#!/bin/python

import pandas as pd

def percentageOfList(l, p):
    return l[0:int(len(l) * p)]

df = pd.read_csv('data.csv')
print(percentageOfList(df.sort_values('b', ascending=False)['b'], 0.9))