在python中使用变量查询或过滤数据集

Question

我在一个项目中使用 pandas，该项目使用的数据集有 21 列和近 11,000 行。

我使用以下代码创建了一个名为 name_ten_plus 的新变量，它显示过滤后的列 name 的计数大于或等于 10：

name_ten_plus = df_name_data['name'].value_counts()[df_name_data['name'].value_counts() >= 10]

使用print(name_ten_plus)，它显示有120 个name 值至少出现十次。 print 函数产生（例如）：

Mike M     22
John J     22
Mark K     21
etc...(stacked under each other)

我一直在试图找出一种方法来创建一个子集 仅包含 name_ten_plus 中名称的行的原始数据集。

我研究了如何以几种不同的方式执行此任务，从使用查询到 lambda 函数，我也尝试了 groupby。

我找不到与我的确切情况相关的示例。

任何帮助将不胜感激。在此期间，我会继续努力。

注意：我是编程新手，因此对于任何措辞错误的语言，我深表歉意。这是我在这个社区的第一篇文章，但感谢所有以前的发帖人和响应者在这些论坛中提供的帮助和见解。

迈克·M

Answer 1

您可以从 name_ten_plus 系列中获取索引，将其设为一组并使用 .isin() 过滤您的原始数据框。

name_filter_set = set(name_ten_plus.index)

filtered_df = df_name_data[df_name_data['name'].isin(name_filter_set)]