Pandas/Python 过滤列值的 DF答案

【问题标题】：Pandas/Python Filtering a DF for column valuePandas/Python 过滤列值的 DF
【发布时间】：2019-07-26 11:54:50
【问题描述】：

我正在寻找一种方法来过滤 df 以获取 groupby 中的列中的值，并且在调用该 df 列时也在另一个实例中。

例如：

所以要绘制这个 dfs column_betas 如下，但仅当不同的列（称为 column_value）具有类似 2 的值时？

df['column_betas'] # ( when a different column called `column_value` is 2)

当我为 city 列运行 group by 时，但仅限于 column_value column = 2 时？

df.groupby(['City']).quantile(.5)

我试图避免创建额外的 dfs 来过滤 column_value 的某个值，而是尝试在仅为该特定列值或 groupby 调用该 df 时调用该值。

【问题讨论】：

你想要的输出是什么
输出应按分位数分组，但仅当过滤 df column_value 以获取特定值和 df 的 df['column_betas] 列的 df 值但过滤该 df 中的另一列时一个特定的值
你试过df=df[df['column_betas']==2] 吗？

【解决方案1】：

此命令获取df['column_betas"]，其中值列是2：

df[df["value"]==2]["column_betas"]

此命令仅对 value 列中值为 2 的行进行分组

df[df["value"]==2].groupby(["City"])

【讨论】：

【解决方案2】：

用

替换 df

df[df['column_value']==2]

所以df['column_betas'] 变成了df[df['column_value']==2]['column_betas']

而df.groupby(['City']).quantile(.5) 变为df[df['column_value']==2].groupby(['City']).quantile(.5)

【讨论】：