pandas 类别：只保留最常见的并用 NaN 替换 rest答案

【问题标题】：pandas category: keep only most common ones and replace rest with NaNpandas 类别：只保留最常见的并用 NaN 替换 rest
【发布时间】：2019-10-22 05:58:30
【问题描述】：

在 pd.Series 和 dtype=category 中，我有 253 个唯一值。其中一些经常发生，而另一些只发生一次或两次。现在我想只保留其中的前 10 名，并将其余的替换为 np.nan。

我已经到了top = df['cats'].value_counts().head(10) 来创建我想要保留的类别。但是现在呢？

类似于df['cats'].apply(cat_replace, args=top)？

def cat_replace(c, top):
    if c in top:
        return c
    else:
        return np.nan

但是，这对我来说看起来不太“熊猫”，我觉得有更好的方法。有更好的建议吗？

【问题讨论】：

标签： python pandas categorical-data

【解决方案1】：

# Sample data.
df = pd.DataFrame(
    {'cats': pd.Categorical(
        list('abcdefghij') * 5
        + list('klmnopqrstuvwxyz'))}
)

top_n = 10
top_cats = df['cats'].value_counts().head(top_n).index.tolist()
df.loc[~df['cats'].isin(top_cats), 'cats'] = np.nan

【讨论】：

只是想提供帮助：cats = ['Abyssinian', 'Bobtail', 'Curl', 'Shorthair', 'Wirehair', 'Balinese', 'Bengal', 'Bombay', 'Burmese', 'Rex', 'Burmilla', 'Mau', 'Havana', 'Javanese', 'Korat', 'LaPerm']; np.random.seed([3, 1415]); df = pd.DataFrame({'cats': np.random.choice(cats, 1000)})

【解决方案2】：

抄袭

How can I keep the rows of a pandas data frame that match a particular condition using value_counts() on multiple columns

你可以考虑做类似的事情

top = set(df['cats'].value_counts().head(10))
df['cats'].apply(top.__contains__)

【讨论】：