通过计算0在python中groupby之后的列中出现的次数来实现子集

Question

我有一些典型的股票数据。我想创建一个名为“Volume_Count”的列，它将计算每季度 0 卷天数。我的最终目标是在一个季度中删除所有 0 交易量超过 5 天的股票。通过创建此列，我可以编写一个简单的语句来设置 Vol_Count > 5 的子集。

一个典型的数据集：

Stock     Date      Qtr     Volume
 XYZ     1/1/19   2019 Q1     0
 XYZ     1/2/19   2019 Q1     598
 XYZ     1/3/19   2019 Q1     0 
 XYZ     1/4/19   2019 Q1     0
 XYZ     1/5/19   2019 Q1     0
 XYZ     1/6/19   2019 Q1     2195
 XYZ     1/7/19   2019 Q1     0
 ... ... and so on (for multiple stocks and quarters)

这是我尝试过的 - 1 班轮 -

df = df.groupby(['stock','Qtr'], as_index=False).filter(lambda x: len(x.Volume == 0) > 5) 

但是，如前所述，这会产生不一致的结果。

我只想从数据集中删除交易量 == 0 持续 5 天或更长时间的季度的股票。

注意：我的数据集中有多个 Stocks 和 Qtr，因此 groupby Qtr, Stock 是必不可少的。

期望的输出： 我想保留数据集，但如果 qtr 的任何股票的数量 = 0 > 5 天，则删除它们。这可能意味着 2019 年第一季度的股票不在数据集中（因为 Vol == 0 > 5 天）但是在 2019 年第二季度进入 df（Vol == 0

Answer 1

试试这个：

df[df['Volume'].eq(0).groupby([df['Stock'],df['Qtr']]).transform('sum') < 5]

详情。

1. 首先获取数据框的 Volume 列并检查是否 每条记录为零。
2. 接下来，将该列按“Stock”和“Qtr”列分组，并从步骤 1 中获取每个 True 值的总和，使用 groupby 和 transform 将该总和分配给每条记录。
3. 从该总和创建布尔系列，如果小于 5，则为 True，并且 使用该系列对您的原始数据框进行布尔索引。