熊猫数据框操作答案

【问题标题】：Pandas Dataframes operation熊猫数据框操作
【发布时间】：2018-11-12 00:53:17
【问题描述】：

我使用 pandas 数据框来处理我的数据集。我有 3 列，airport_id airport_id 和 delay。我想删除所有少于 5 家航空公司的始发机场。

我这样做了：

grouped_size = df.groupby(['OP_CARRIER_AIRLINE_ID','ORIGIN_AIRPORT_ID']).size()

这给了我每个机场的航空公司数量（我希望），但我不知道如何删除少于 5 家航空公司的航空公司。谢谢！

【问题讨论】：

df = df[df.groupby(['OP_CARRIER_AIRLINE_ID','ORIGIN_AIRPORT_ID']).transform('count') >= 5]?
@coldspeed 或使用groupby(...).filter(...) - 如果系列没有用于任何用途，请保存它？
@JonClements，我猜filter 需要lambda？如果是这样，我都赞成避免lamda :)。
@coldspeed 我收到此错误“ValueError: Boolean array expected for the condition, not float64”
@KaanYolsever 请正确复制整个命令。

标签： python pandas pandas-groupby

【解决方案1】：

这是一个简单的方法：

grouped_size = df.groupby(['OP_CARRIER_AIRLINE_ID','ORIGIN_AIRPORT_ID']).size().reset_index()
grouped_size.columns = ['OP_CARRIER_AIRLINE_ID','ORIGIN_AIRPORT_ID', 'size']
hi_mask = grouped_size['size'] > 5
grouped_size = grouped_size[hi_mask]

【讨论】：

@ 谢谢，但我收到此错误：'>' 在 'str' 和 'int' 的实例之间不受支持
一件事是当我这样做时，我会丢失其他列。如何在将它们保留在输出数据结构中的同时做到这一点？
一旦您执行groupby，您基本上是在要求 pandas 依赖基本数据帧。因此，您不再使用基本数据框。如果您只想选择满足此条件的那些，则需要merge 具有基本 df 的 groupy df，然后再次过滤。