使用 Pandas 的数据框主导统计分析

Question

我有一个包含几列的数据框。其中一列中的值是一个总和为 1 的百分比，例如 A 列。我想打印另一列 B 列中的值，以便这些值对应于 A 列中总计为 0.95 的最大值。

例如：

Column A        Column B
   A1             0.2
   A2             0.5
   A3             0.25
   A4             0.01
   A5             0.03
   A6             0.01

结果应该是

    A1
    A2 
    A3

因为B列中这些值的对应值总和为0.95

Answer 1

让我们将cumsum 与使用.loc 的布尔索引一起使用：

df.loc[df['Column B'].cumsum() <= .95,'Column A']

编辑：正如 hausdork 指出的那样，如果我们想用最大值来做，那么我们可以sort_values：

df.loc[df.sort_values(by='Column B', ascending=False)['Column B'].cumsum() <= .95,'Column A']

输出：

0    A1
1    A2
2    A3
Name: Column A, dtype: object