我正在使用Python处理一个包含视频游戏及其类型的pandas DataFrame。 我想从DataFrame中删除任何出现次数少于某个数字的游戏类型,但是我不知道如何处理此问题。我发现了一个相关的StackOverflow问题,但是我完全无法理解其中的解决方案(可能是因为我从未听说过R且我的函数式编程记忆最多也只有一点生疏)。
帮帮我?
我正在使用Python处理一个包含视频游戏及其类型的pandas DataFrame。 我想从DataFrame中删除任何出现次数少于某个数字的游戏类型,但是我不知道如何处理此问题。我发现了一个相关的StackOverflow问题,但是我完全无法理解其中的解决方案(可能是因为我从未听说过R且我的函数式编程记忆最多也只有一点生疏)。
帮帮我?
使用分组过滤:
In [11]: df = pd.DataFrame([[1, 2], [1, 4], [5, 6]], columns=['A', 'B'])
In [12]: df
Out[12]:
A B
0 1 2
1 1 4
2 5 6
In [13]: df.groupby("A").filter(lambda x: len(x) > 1)
Out[13]:
A B
0 1 2
1 1 4
我建议阅读文档中的分离-合并部分。
使用性能更好的解决方案,应该使用GroupBy.transform
和size
来计算每个组的项数,并生成与原始df
相同大小的系列(Series),因此可以通过布尔索引
进行过滤:
df1 = df[df.groupby("A")['A'].transform('size') > 1]
或者使用 Series.map
结合 Series.value_counts
:
df1 = df[df['A'].map(df['A'].value_counts()) > 1]
Series map: 2.34 ms ± 254 µs per loop
,Groupby.filter: 269 ms ± 41.3 ms per loop
。因此,“Series.map”解决方案要快得多。 - jlhasson@jezael的解决方案非常有效,这里是一个基于值计数进行筛选的不同方法:
例如,如果数据集如下:
df = pd.DataFrame({'a': [1,2,3,3,1,6], 'b': [11,2,33,4,55,6]})
将计数转换并保存为字典
ount_freq = dict(df['a'].value_counts())
df['count_freq'] = df['a']
df['count_freq'] = df['count_freq'].map(count_freq)
现在我们有了一个包含计数频率的新列,您可以使用这个列定义一个阈值并轻松过滤数据。
df[df.count_freq>1]
此外,如果想要过滤并添加“计数”列:
attr = 'A'
limit = 10
df2 = df.groupby(attr)[attr].agg(count='count')
df2 = df2.loc[df2['count'] > limit].reset_index()
print(df2)
#outputs rows with grouped 'A' count > 10 and columns ==> index, count, A
我可能有点晚来到这个派对,但是:
df = pd.DataFrame(df_you_have.groupby(['IdA', 'SomeOtherA'])['theA_you_want_to_count'].count())
df.reset_index(inplace=True)
这是如何创建新的数据框并进行筛选的方法...
df[df['A']>100]