python - 在python中选择带有pandas数据框的 bool 数组的行

Question

我需要选择 mac 列中项目数大于计数(即 1)的行。然后用timestamp的最小值和最大值创建一个DataFrame。

a=np.array([['A',1],['A',2],['A',3],['B',2],['C',1],['C',2]])
df=pd.DataFrame(a,columns=['mac','timestamp'])
df
Out[103]: 
  mac timestamp
0   A         1
1   A         2
2   A         3
3   B         2
4   C         1
5   C         2

count_macs= df.groupby(['mac'])['mac'].count()>1
count_macs
Out[105]: 
mac
A     True
B    False
C     True
Name: mac, dtype: bool

我想得到:

mac     ts1     ts2
A       1       3
C       1       2

但不知道如何正确应用.loc:

df.loc[count_macs]
IndexingError: Unalignable boolean Series key provided

Answer 1

我想你需要agg max、min 和 size(如果不需要计算 NaN，则为 count ).然后按boolean indexing过滤，删除列并最后重命名列:

df = df.groupby('mac')['timestamp'].agg(['min','max', 'size'])
d = {'min':'t1','max':'t2'}
df = df[df['size'] > 1].drop('size', 1).rename(columns=d).reset_index()
#alternatively:
#df = df.query('size > 1').drop('size', 1).rename(columns=d).reset_index()

print (df)
  mac t1 t2
0   A  1  3
1   C  1  2

另一种解决方案是先使用 duplicated 进行过滤:

df = df[df['mac'].duplicated(keep=False)]
d = {'min':'t1','max':'t2'}
df = df.groupby('mac')['timestamp'].agg(['min','max']).rename(columns=d).reset_index()
print (df)
  mac t1 t2
0   A  1  3
1   C  1  2