如何使用熊猫根据唯一天数删除记录？答案

【问题标题】：How to drop records based on number of unique days using pandas?如何使用熊猫根据唯一天数删除记录？
【发布时间】：2020-03-05 16:55:58
【问题描述】：

我有一个如下所示的数据框

df = pd.DataFrame({
'subject_id':[1,1,1,1,1,1,1,2,2,2,2,2],
'time_1' :['2173-04-03 12:35:00','2173-04-03 12:50:00','2173-04-05 12:59:00','2173-05-04 13:14:00','2173-05-05 13:37:00','2173-07-03 13:39:00','2173-07-04 11:30:00','2173-04-04 16:00:00','2173-04-09 22:00:00','2173-04-11 04:00:00','2173- 04-13 04:30:00','2173-04-14 08:00:00'],
 'val' :[5,5,5,5,1,6,5,5,8,3,4,6]})
df['time_1'] = pd.to_datetime(df['time_1'])
df['day'] = df['time_1'].dt.day
df['month'] = df['time_1'].dt.month

我想做的是删除不超过4 or more独特天数的记录/主题

如果您看到我的示例数据框，您会看到 subject_id = 1 只有 3 个唯一日期，即 3,4 and 5，所以我想完全删除 subject_id = 1。但是，如果您看到 subject_id = 2，他有超过 4 个独特的日期，例如 4,9,11,13,14。请注意，日期值具有时间戳，因此我从每个日期时间字段中提取日期并检查唯一记录。

这是我尝试过的

df.groupby(['subject_id','day']).transform('size')>4 # doesn't work
df[df.groupby(['subject_id','day'])['subject_id'].transform('size')>=4] # doesn't produce expected output

我希望我的输出是这样的

【问题讨论】：

标签： python python-3.x pandas dataframe pandas-groupby

【解决方案1】：

将您的函数从 size 更改为 DataFrameGroupBy.nunique，仅按 subject_id 列分组：

df = df[df.groupby('subject_id')['day'].transform('nunique')>=4]

或者您也可以使用filtration，但如果您使用更大的数据框或许多独特的组，这应该会更慢：

df = df.groupby('subject_id').filter(lambda x: x['day'].nunique()>=4)

print (df)
    subject_id              time_1  val  day  month
7            2 2173-04-04 16:00:00    5    4      4
8            2 2173-04-09 22:00:00    8    9      4
9            2 2173-04-11 04:00:00    3   11      4
10           2 2173-04-13 04:30:00    4   13      4
11           2 2173-04-14 08:00:00    6   14      4

【讨论】：