如何选择限制列数据框的计数？ PYTHON答案

【问题标题】：How can I select limiting the count of a column dataframe? PYTHON如何选择限制列数据框的计数？ PYTHON
【发布时间】：2017-03-08 09:19:27
【问题描述】：

我有一个名为 house 的 pandas 数据框。一列是houseID，我只想获取1000个不同房屋的信息。有超过 1 行具有相同的 houseID（行数或多或少的房屋）。为此，我不能只获得前 1000 行，我需要这样的东西：

SELECT * FROM houses WHERE COUNT(DISTINCT houseID) <= 1000

简化示例（具有 3 个不同 houseID 的原始数据框，在此简化示例中我想要 2 个不同 houseID）：

from collections import OrderedDict
import pandas as pd
housesDict = OrderedDict([ ('houseID', ['1', '3', '1','2','2','1','3','1','1']),
                ('Cost', [150, 200, 50,100,75,18,10,23,19])])
houses = pd.DataFrame.from_dict(housesDict)
print(houses)

如果我想将不同的房屋数量限制为 2，我的预期输出是：

housesDict = OrderedDict([ ('houseID', ['1', '3', '1','1','3','1','1']),
                    ('Cost', [150, 200, 50,18,10,23,19])])
houses = pd.DataFrame.from_dict(sales)
print(houses)

我该怎么做？

编辑：我有解决办法，谢谢你的帮助：

a = list(df.drop_duplicates(subset=["houseID"]).iloc[:2]['houseID'])
df[df['houseID'].isin(a)]

【问题讨论】：

您想要的结果与您的问题描述不符，例如为什么 2 在它也有 2 个与 3 相同的不同销售额时被排除在外？除了df.groupby('houseID').filter(lambda x: len(x) <= 2)之后你还在吗？
@EdChum 我想要 1000 个不同的 houseID 的所有行。总的来说，在我的表中，我需要 1000 个不同的 houseID，我希望在这 1000 个不同的 houseID 的原始数据框中拥有所有行

标签： python dataframe

【解决方案1】：

如果你想要不同的值，你可以简单地使用drop_duplicates

df = df.drop_duplicates(subset=["houseID"]).iloc[:1000]

如果要限制重复次数，可以使用groupby.transform('count') 和布尔索引。

df.loc[df.groupby("houseID")["houseID"].transform('count') < 3].iloc[:1000]

编辑：误解了问题，您可以使用上面的函数来索引值。

# gets first 1000 unique id's
unique_ids = df.drop_duplicates(subset=["houseID"]).iloc[:1000]["houseID"]
# selects rows if their ID's are in unique_id dataframe
df = df.loc[df["houseID"].isin(unique_ids)]

【讨论】：

我想要 1000 个不同 houseID 的所有行。在我的示例中，我有 3 个不同的 houseID，我只想要 2 个不同的 houseID（例如，在我的原始数据集中，我有超过 1 M 的不同 houseID，我想要 1000 个不同 houseID 的所有行）
@zorro 你试过drop_duplicates 它会给你1000行（如果存在）不同的houseID和它们的行（第一次看到）。
我想要像SELECT * FROM houses WHERE COUNT(DISTINCT houseID) <= 1000 这样的东西，包含数据框和houseID 列：S
啊，现在知道了，您可以根据获得的值使用过滤器或索引，让我编辑我的答案。
感谢您的帮助；）