python - Pandas 上的 SQL "GROUP BY HAVING"相当于什么？

Question

使用 groupby 并在 pandas 中并行应用过滤器的最有效方法是什么？

基本上我要求的是 SQL 中的等价物

select *
...
group by col_name
having condition

我认为有很多用例，包括条件均值、总和、条件概率等，这将使这样的命令非常强大。

我需要一个非常好的性能，所以理想情况下这样的命令不会是在 python 中完成的几个分层操作的结果。

Answer 1

正如 unutbu 的评论中提到的，groupby's filter相当于 SQL 的 HAVING:

In [11]: df = pd.DataFrame([[1, 2], [1, 3], [5, 6]], columns=['A', 'B'])

In [12]: df
Out[12]:
   A  B
0  1  2
1  1  3
2  5  6

In [13]: g = df.groupby('A')  #  GROUP BY A

In [14]: g.filter(lambda x: len(x) > 1)  #  HAVING COUNT(*) > 1
Out[14]:
   A  B
0  1  2
1  1  3

您可以编写更复杂的函数(这些函数应用于每个组)，只要它们返回一个普通的 ol' bool:

In [15]: g.filter(lambda x: x['B'].sum() == 5)
Out[15]:
   A  B
0  1  2
1  1  3

注意:potentially there is a bug在哪里你不能写你的函数来处理你用来分组的列...一种解决方法是手动分组列，即 g = df.groupby(df['A'])).