pandas groupby 过滤器，删除一些组

Question

我有 groupby 对象

grouped = df.groupby('name')
for k,group in grouped:    
    print group

有 3 个组 bar、foo 和 foobar

  name  time  
2  bar     5  
3  bar     6  


  name  time  
0  foo     5  
1  foo     2  

  name      time  
4  foobar     20  
5  foobar     1  

我需要过滤这些组并删除所有时间不大于 5 的组。 在我的示例中，组 foo 应该被删除。 我正在尝试使用功能 filter()

grouped.filter(lambda x: (x.max()['time']>5))

但 x 显然不仅仅是数据框格式的组。

Answer 1

通过返回过滤组列表/字典的条件过滤 GroupBy。例如返回长度 >= 5 的组列表/字典。

返回一个元组列表：

[(name,gdf) for name,gdf in df.groupby('Declarer') if len(gdf) >= 5]    

返回一个字典：

{name:gdf for name,gdf in df.groupby('Declarer') if len(gdf) >= 5}

Answer 2

我还不习惯 python、numpy 或 pandas。但是我正在研究类似问题的解决方案，所以让我以这个问题为例报告我的答案。

import pandas as pd

df = pd.DataFrame()
df['name'] = ['foo', 'foo', 'bar', 'bar', 'foobar', 'foobar']
df['time'] = [5, 2, 5, 6, 20, 1]

grouped = df.groupby('name')
for k, group in grouped:
    print(group)

我的答案1：

indexes_should_drop = grouped.filter(lambda x: (x['time'].max() <= 5)).index
result1 = df.drop(index=indexes_should_drop)

我的答案2：

filter_time_max = grouped['time'].max() > 5
groups_should_keep = filter_time_max.loc[filter_time_max].index
result2 = df.loc[df['name'].isin(groups_should_keep)]

我的答案3：

filter_time_max = grouped['time'].max() <= 5
groups_should_drop = filter_time_max.loc[filter_time_max].index
result3 = df.drop(df[df['name'].isin(groups_should_drop)].index)

结果

    name    time
2   bar     5
3   bar     6
4   foobar  20
5   foobar  1

积分

My Answer1 不使用组名来删除组。如果您需要组名，您可以通过以下方式获取：df.loc[indexes_should_drop].name.unique()。

grouped['time'].max() <= 5 和 grouped.apply(lambda x: (x['time'].max() <= 5)).index 返回相同的结果。

filter_time_max 的索引是组名。它不能用作索引或标签以按原样删除。

name
foo        True
bar       False
foobar    False
Name: time, dtype: bool

Answer 3

假设你的最后一行代码真的应该有一个>5而不是>20，你会做类似的事情：

grouped.filter(lambda x: (x.time > 5).any())

正如您正确发现的那样，x 实际上是所有索引的DataFrame，其中name 列与您在for 循环中k 中的键匹配。

因此，您想根据时间列中是否有任何大于 5 的时间进行过滤，您可以执行上述 (x.time > 5).any() 进行测试。