错误：[Index(['...'], dtype='object')] 中没有一个在 [index] 中

Question

我正在尝试根据以下条件删除 pandas 中的一组分组行：

如果一个组（按 col1 分组）在 col2 中有超过 2 个值 'c'，则删除整个组。

我的样子是这样的

  col1  col2                       
0  A     10:10 
1  A     20:05
2  A     c
3  A     00:10
4  B     04:15
2  B     c
3  B     c
4  B     13:40

我正在努力到达这里：

  col1  col2                       
0  A     10:10 
1  A     20:05
2  A     c
3  A     00:10

通常我会为其他非常相似的数据框执行此操作（并且它有效）：

df = df.groupby('col1').filter(lambda x: x["col2"].value_counts()[['c']].sum() < 2)

但是对于这个不起作用，我收到此错误：

KeyError: "None of [Index(['c'], dtype='object')] are in the [index]"

有人知道我该怎么做吗？

谢谢！

Answer 1

我建议用于提高性能boolean indexing：

df = df[df['col2'].eq('c').groupby(df['col1']).transform('sum').lt(2)]
print (df)
  col1   col2
0    A  10:10
1    A  20:05
2    A      c
3    A  00:10

详情：

首先比较Series.eq 与== 的值：

print (df['col2'].eq('c'))
0    False
1    False
2     True
3    False
4    False
2     True
3     True
4    False
Name: col2, dtype: bool

然后按GroupBy.transform 和sum 计算每个组的True 值，Trues 正在像1 一样处理：

print (df['col2'].eq('c').groupby(df['col1']).transform('sum'))
0    1.0
1    1.0
2    1.0
3    1.0
4    2.0
2    2.0
3    2.0
4    2.0
Name: col2, dtype: float64

最后按Series.lt 过滤以获得更少：

print (df['col2'].eq('c').groupby(df['col1']).transform('sum').lt(2))
0     True
1     True
2     True
3     True
4    False
2    False
3    False
4    False
Name: col2, dtype: bool

Answer 2

这是另一种使用loc 创建临时数据帧的方法，该数据帧获取按“col1”分组的“col2”中“c”值的计数，并将计数“.isin() 过滤“col1”组，如果它们被标记为临时数据帧/列表“dft”中每个组的“c”计数少于 2 个的列：

dft = df.loc[df['col2'] == 'c'].groupby('col1').count().reset_index()
dft = dft.loc[dft['col2'] < 2, 'col1'].to_list()
df = df.loc[df['col1'].isin(dft)]
df

Answer 3

你可以使用 len:

df.groupby('col1').filter(lambda x: len(x.loc[x.col2.eq('c')])<2)

    col1    col2
0   A   10:10
1   A   20:05
2   A   c
3   A   00:10

您的解决方案实际上也适用于我：

df.groupby('col1').filter(lambda x: x["col2"].value_counts()[['c']].sum() < 2)

如果还是不行，可以试试下面的方法看看是否有帮助。

df.astype(str).groupby('col1').filter(lambda x: x["col2"].value_counts()[['c']].sum() < 2)