python - Pandas groupby : efficient conditional aggregation?

Question

我有一个包含各种列的数据框，并且想在每个组具有最小有效成员数的条件下计算组的平均值。我使用 groupby、filter 和 mean 尝试了以下操作。好像可以，但是我想知道是否有更有效的解决方案？

import pandas as pd
import numpy as np

df = pd.DataFrame({'id' : ['one', 'one', 'two', 'three', 'two',
                           'two', 'two', 'one', 'three', 'one'],
                   'idprop' : [1., 1., 2., 3., 2.,   # property corresponding to id
                               2., 2., 1., 3., 1.],
                    'x' : np.random.randn(10),
                    'y' : np.random.randn(10)})

# set a couple of x values to nan
s = df['x'].values
s[s < -0.6] = np.nan
df['x'] = s

g = df.groupby('id', sort=False)
# filter out small group(s) with less than 3 valid values in x
# result is a new dataframe
dff = g.filter(lambda d: d['x'].count() >= 3)

# this means we must group again to obtain the mean value of each filtered group
result = dff.groupby('id').mean()
print result
print type(result)

how to get multiple conditional operations after a Pandas groupby? 有一个相关问题但是，它仅按行值而不是组元素的数量“过滤”。转换为我的代码将是:

res2 = g.agg({'x': lambda d: df.loc[d.index, 'x'][d >= -0.6].sum()})

作为附带问题:是否有更有效的方法将低于或高于给定阈值的值设置为 NaN？当我使用 loc 尝试这个时，我的大脑变得扭曲了。

Answer 1

您可以使用 groupby apply 来实现此目的功能:

def mean_cond(dfg):
    if dfg['x'].count() >= 3:
        return dfg.mean()
    return None

print df.groupby('id').apply(mean_cond).dropna()

这里的优点是分组过程只执行一次，这可能比在过滤器之后运行另一个 groupby 更有效。唯一的问题可能是，这会导致不符合条件的组在结果表中显示为 NaN。这很容易通过在最后添加 dropna 命令来解决。