- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
DataFrameGroupby.filter
方法过滤组,并返回包含通过过滤器的行的DataFrame
。
但是过滤后如何获取新的DataFrameGroupBy
对象而不是DataFrame
?
例如,假设我有一个 DataFrame
df
,其中包含两列 A
和 B
。我想为 A
列的每个值获取 B
列的平均值,只要该组中至少有 5 行:
# pandas 0.18.0
# doesn't work because `filter` returns a DF not a GroupBy object
df.groupby('A').filter(lambda x: len(x)>=5).mean()
# works but slower and awkward to write because needs to groupby('A') twice
df.groupby('A').filter(lambda x: len(x)>=5).reset_index().groupby('A').mean()
# works but more verbose than chaining
groups = df.groupby('A')
groups.mean()[groups.size() >= 5]
最佳答案
你可以这样做:
In [310]: df
Out[310]:
a b
0 1 4
1 7 3
2 6 9
3 4 4
4 0 2
5 8 4
6 7 7
7 0 5
8 8 5
9 8 7
10 6 1
11 3 8
12 7 4
13 8 0
14 5 3
15 5 3
16 8 1
17 7 2
18 9 9
19 3 2
20 9 1
21 1 2
22 0 3
23 8 9
24 7 7
25 8 1
26 5 8
27 9 6
28 2 8
29 9 0
In [314]: r = df.groupby('a').apply(lambda x: x.b.mean() if len(x)>=5 else -1)
In [315]: r
Out[315]:
a
0 -1.000000
1 -1.000000
2 -1.000000
3 -1.000000
4 -1.000000
5 -1.000000
6 -1.000000
7 4.600000
8 3.857143
9 -1.000000
dtype: float64
In [316]: r[r>0]
Out[316]:
a
7 4.600000
8 3.857143
dtype: float64
单行代码,返回数据框而不是系列:
df.groupby('a') \
.apply(lambda x: x.b.mean() if len(x)>=5 else -1) \
.to_frame() \
.rename(columns={0:'mean'}) \
.query('mean > 0')
与具有 100.000 行的 DF 的时间比较:
def maxu():
r = df.groupby('a').apply(lambda x: x.b.mean() if len(x)>=5 else -1)
return r[r>0]
def maxu2():
return df.groupby('a') \
.apply(lambda x: x.b.mean() if len(x)>=5 else -1) \
.to_frame() \
.rename(columns={0:'mean'}) \
.query('mean > 0')
def alexander():
return df.groupby('a', as_index=False).filter(lambda group: group.a.count() >= 5).groupby('a').mean()
def alexander2():
vc = df.a.value_counts()
return df.loc[df.a.isin(vc[vc >= 5].index)].groupby('a').mean()
结果:
In [419]: %timeit maxu()
1 loop, best of 3: 1.12 s per loop
In [420]: %timeit maxu2()
1 loop, best of 3: 1.12 s per loop
In [421]: %timeit alexander()
1 loop, best of 3: 34.9 s per loop
In [422]: %timeit alexander2()
10 loops, best of 3: 66.6 ms per loop
检查:
In [423]: alexander2().sum()
Out[423]:
b 19220943.162
dtype: float64
In [424]: maxu2().sum()
Out[424]:
mean 19220943.162
dtype: float64
结论:
明显的赢家是 alexander2()
函数
@Alexander,恭喜!
关于python - 链接分组、过滤和聚合,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36389919/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!