pandas - 从列中提取大于阈值的值答案

【问题标题】：pandas - extract values greater than a threshold from a columnpandas - 从列中提取大于阈值的值
【发布时间】：2019-03-19 05:49:44
【问题描述】：

我有一个 DataFrame - 它的快照如下所示：

我正在尝试获取所有大于 70 的 math_score 和 reading_score 值，这些值按 school_name 分组。

所以我的最终结果应该是这样的：

我正在尝试计算通过math_score 和reading_score 的学生的百分比，即分数 > 70 的百分比。

对我如何解决这个问题有任何帮助吗？

这是我尝试过的：

school_data_grouped = school_data_complete.groupby('school_name')
passing_math_score = school_data_grouped.loc[(school_data_grouped['math_score'] >= 70)]

我收到一个错误提示：

AttributeError: Cannot access callable attribute 'loc' of 'DataFrameGroupBy' objects, try using the 'apply' method

我能做些什么来实现这一目标？非常感谢任何帮助。

谢谢！

【问题讨论】：

请不要将数据发布为图像，我们无法复制它们，因此无法重现问题。请以文本形式发布所有代码和数据。谢谢
@anky_91，数据是 CSV 格式，所以我发布了截图
您可以随时复制或创建 5 行示例数据来重现您的问题。用户会发现执行代码并帮助您很容易。 :) 检查this

标签： python pandas group-by

【解决方案1】：

您可以为每个学生是否通过创建一个列，例如：

school_data['passed_math'] = school_data['math_score'] >= 70
school_data['passed_both'] = (school_data['math_score'] >= 70) & (school_data['reading_score'] >= 70)

然后您可以使用groupby 获取学校的通过率：

pass_rate = school_data.groupby('school_name').mean()

【讨论】：

过滤后得到 pandas.core.series.Series。并且在该系列上应用 groupby 并没有那么有用。

【解决方案2】：

您需要先过滤 math_score 和 reading_score 然后应用 groupby，因为 groupby 不返回 Dataframe。

为了解决您的问题，我从这个链接获得了数据

数据

https://www.kaggle.com/aljarah/xAPI-Edu-Data/

我更改了列名。

代码

import pandas as pd 
school_data_df  = pd.read_csv('xAPI-Edu-Data 2.csv')
school_data_df.head()

df_70_math_score = school_data_df[school_data_df.math_score > 70]
df_70_reading_math_score = df_70_math_score[df_70_math_score.reading_score >70]
df_70_reading_math_score.head()

grouped_grade = df_70_reading_math_score.groupby('GradeID')

您可以从此 groupby_object 'grouped_grade' 生成任何统计信息

【讨论】：