使用 pandas group-by 选择特定的子组答案

【问题标题】：Using pandas group-by to select specific sub-groups使用 pandas group-by 选择特定的子组
【发布时间】：2016-11-17 12:41:15
【问题描述】：

我有一个如下形式的 pandas 数据框：

id grp values1 values2 0 1 a_1 2 4 1 1 a_2 3 6 2 1 b_1 4 8 3 2 b_2 5 10 4 2 c_1 6 12 5 3 z_1 7 14 6 4 y_1 8 16 7 5 a_1 9 18 8 5 a_2 10 20 9 5 a_1 11 22 10 5 a_2 12 24 11 7 z_1 13 26 12 8 q_1 14 28 13 9 a_2 15 30 14 9 a_1 16 32

我想要的是一个简化的数据框，其中包含“a_1”和“a_2”的行和 id 仅用于 ID 组，如下所示。

id grp values1 values2 7 5 a_1 9 18 8 5 a_2 10 20 9 5 a_1 11 22 10 5 a_2 12 24 13 9 a_2 15 30 14 9 a_1 16 32

在对 id 变量进行计数时，结束数据帧应该有偶数，因为组值成“对”，即“a_1”和“a_2”在一起。此外，这应该适用于任意数量的“按列分组”，例如 id 列。

数据框的代码贴在下面：

df = pd.DataFrame({'id' : [1,1,1,2,2,3,4,5,5,5,5,7,8,9,9]
                   ,'grp' : ['a_1', 'a_2', 'b_1', 'b_2', 'c_1', 'z_1', 'y_1', 'a_1', 'a_2', 'a_1', 'a_2', 'z_1', 'q_1', 'a_2','a_1']
                   ,'values1' : [i for i in range(2,17,1)]
                   ,'values2' : [i for i in range(4,33,2)]
                  })

感谢您的考虑、时间和投入！

【问题讨论】：

标签： python pandas

【解决方案1】：

或者你可以采取更简单的方法：

 filtered_df  = df.ix[(df['grp'] == 'a_1') | (df['grp'] == 'a_2')]

【讨论】：

没错，我知道 ix 方法，但没有以这种直截了当的方式想到它。假设我还想包含 id group 1，它有 1 个 grp。值与其他值不同，同时不采用包含额外值的任何其他 grp，即“b_1”。
另外，除此之外，数字需要是偶数，因为在我的数据中有时我有三行，即“a_1”、“a_1”和“a_2”，并且该 id 应该不包含在缩减数据框中！
我不明白你的意思，如果你想添加另一个条件，请按照上面的模板添加另一个 |你会吃饭的。对于第二个问题，如果您正在谈论重置索引，请尝试 df.reset_index(drop=True,inplace=True)

【解决方案2】：

您可以简单地在数据框中搜索条件：

reduced_df  = df[(df['grp'] == 'a_1') | (df['grp'] == 'a_2')]

【讨论】：

【解决方案3】：

我设法做到了这样的“偶数”解决方案，也许不是最有效的，但它完成了工作：

# One row per id
pivot = df[['id', 'grp', 'values1']].pivot_table('values1', index = 'id', columns = 'grp', aggfunc = (lambda i: i.size)).reset_index()

# Take out the id rows which fulfills condition of being even numbers
pivot2 = pivot[pivot[['a_1', 'a_2']].sum(axis = 1) %2 == 0].reset_index()

# Sub-select rows from original table
df[df['id'].isin(pivot2['id'])]

【讨论】：