Pandas按组分组，其中一个组值在范围内

Question

我想找到至少有一行满足 0.5 < C < 1.0 的分组大小。给定这样的一个数据框：

A	B	C
1	2	0.1
1	2	0.9
1	2	1.0
2	5	0
2	5	0.1
2	5	0.2
3	4	0.6

我希望返回类似下面的结果：

A	B	Size
1	2	3
3	4	1

我尝试了以下方法：

group = dataset.groupby(['A', 'B'])
filtered = group.filter(lambda x: 0.5 < x['C'] < 1.0)
filtered.size()

然而，第二行出现了以下错误：

``` ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). ```

在此上下文中，any()函数是有意义的，因为我希望任何C的值都在0.5和1.0之间才能计算该组，但我不知道在哪里调用any()。我尝试在lambda上调用它，也尝试在filter()之后调用它，但我尝试的所有方法都无效。

- at.

---

@Kris，那样会不会只返回0.5 < C < 1.0的行？我想要所有其组中至少有一行满足0.5 < C < 1.0的行。 - at.

如果您的左约束是 <=，则可以使用 .between()。因此，df["C"].between(0.5, 1, inclusive=False)。 - smci

Answer 1

df["tmp"] = (df["C"] > 0.5) & (df["C"] < 1.0)
g = df.groupby(["A", "B"])
print(g.size()[g["tmp"].sum() > 0])

输出：

A  B
1  2    3
3  4    1
dtype: int64

- Andrej Kesely

Answer 2

在对 groupby 进行布尔索引时使用 any ：

df.groupby(['A','B']).size()[df.groupby(['A','B']).apply(lambda g:((g['C'] > 0.5) & (g['C'] < 1.0)).any())]

打印

A  B
1  2    3
3  4    1
dtype: int64

- piterbarg

---

那就是我需要放置 any() 的地方！ - at.

:-) 感谢您的投票，并很高兴它帮助您解决了 any() 问题！虽然还有一些其他的解决方案，但也可以说更加优雅。 - piterbarg

Answer 3

我们可以直接执行sum。

out = df.C.between(.5,1).groupby([df['A'],df['B']]).sum().loc[lambda x : x!=0]
Out[180]: 
A  B
1  2    2
3  4    1
Name: C, dtype: int64

- BENY

Answer 4

df.groupby(['A', 'B']).agg(
    {'C': lambda x: len(x) if np.logical_and(0.5 < x.values,  x.values < 1.).sum() else None}
).dropna().astype(int).rename(columns={'C': 'size'})

     size
A B      
1 2     3
3 4     1

或者如果您更喜欢将A和B作为列：

df.groupby(['A', 'B']).agg(
    {'C': lambda x: len(x) if np.logical_and(0.5 < x.values,  x.values < 1.).sum() else None}
).dropna().astype(int).rename(columns={'C': 'size'}).reset_index()

   A  B  size
0  1  2     3
1  3  4     1

- PieCot