Python Pandas 分组和 iloc。

Question

我有一个包含数据列、客户列和大小的数据框，就像这样：

客户	日期	大小
Cust1	20/10/2021	4
Cust1	21/10/2021	5
Cust1	22/10/2021	6
Cust1	23/10/2021	6
Cust2	20/10/2021	4
Cust2	21/10/2021	5
Cust2	22/10/2021	6
Cust2	23/10/2021	6
Cust3	20/10/2021	4
Cust3	21/10/2021	5
Cust3	22/10/2021	6
Cust3	23/10/2021	6

我需要从客户中提取每个第n个日期并删除其余的。在这个例子中 - 每2个：

|Customer|Date|Size|
|--------|----|----|
|Cust1   |20/10/2021|4|
|Cust1   |22/10/2021|6|
|Cust2   |20/10/2021|4|
|Cust2   |22/10/2021|6|
|Cust3   |20/10/2021|4|
|Cust3   |22/10/2021|6|

对于糟糕的格式表示抱歉，但是表格格式不适用于第二个表格。

实际上，它是从最近的一天开始的每10天。 尝试使用group和iloc，但不起作用：

df_10 = df.iloc[::10, :]

AttributeError: 'DataFrameGroupBy' object has no attribute 'iloc'

说实话，我并不坚持一定要使用groupby，但是到目前为止还没有找到可行的解决方案。

谢谢

- Yavor I

---

你能否包含导致错误的代码？ - osbm

你能提供一个真实的例子，包括实际日期（即使使用虚拟数据），以及相应的输出吗？ - mozway

Answer 1

您可以使用：

df.loc[df.groupby('Customer').cumcount().mod(2).eq(0)]

输出：

   Customer        Date  Size
0     Cust1  20/10/2021     4
2     Cust1  22/10/2021     6
4     Cust2  20/10/2021     4
6     Cust2  22/10/2021     6
8     Cust3  20/10/2021     4
10    Cust3  22/10/2021     6

解释：

df.groupby('Customer').cumcount() 创建每个分组的计数（[0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3]），然后 mod(2) 取模以得到 [0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1]，并且 eq(0) 使得我们能够选择0值。

如果你想要从第K个行开始每隔N个行取一个： .mod(N).eq(K)

- mozway

---

@YavorI 这是一个与问题无关的问题，你做错了什么。你必须要有一个 DataFrame。原始数据是什么？你如何创建 df？ - mozway

你解决了DataFrameGroupBy的问题了吗？ ;) - mozway

Answer 2

也许这可以帮到您？ 使用pandas标记每个组的第N行 对于类似于您的数据集，一种解决方案可能是：

df= pd.DataFrame({'Customer': ['Cust1']*20 + ['Cust2']*20,
         'date': range(1,40+1),
         'size':[10]*40})
n=3 # for every 3th row
df.groupby('Customer', group_keys=False).apply(lambda x: x.iloc[n-1::n])

´´´

- Henri