Pandas 按值计数分组过滤

Question

我想过滤掉频率小于n的值，我的情况中n为2。

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'bar',],'B' : ['yes', 'no', 'yes', 'no', 'no', 'yes','yes', 'no', 'no', 'no']})
df.groupby('A')['B'].value_counts()

A    B  
bar  no     4
     yes    1
foo  yes    3
     no     2
Name: B, dtype: int64

理想情况下，我希望结果以数据框的形式呈现如下内容（1 的频率不被排除）。

A    B      freq
bar  no     4
foo  yes    3
foo  no     2

我已经尝试过

df.groupby('A')['B'].filter(lambda x: len(x) > 1)

但是这种方法失败了，因为groupby返回的是一个系列数据结构

- Guillaume Lombard

Answer 1

你可以直接存储.value_counts()方法的输出结果，然后进行筛选：

>>> counts = df.groupby('A')['B'].value_counts()
>>> counts[counts >= 2]
A    B  
bar  no     4
foo  yes    3
     no     2
Name: B, dtype: int64

如果您想获得所需的输出，可以调用 .reset_index() 方法并重新命名新列：

>>> counts[counts >= 2].reset_index(name='count') 
     A    B  count
0  bar   no      4
1  foo  yes      3
2  foo   no      2

- EdChum

Answer 2

这可以用一行代码的 .loc 来完成。

>>> df.groupby('A')['B'].value_counts().loc[lambda x: x > 1].reset_index(name='count')
     A    B  count
0  bar   no      4
1  foo  yes      3
2  foo   no      2

- BENY