- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
这是我正在练习的数据
import pandas as pd
df = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv")
我想按分组值过滤单个行。我知道我可以执行以下操作来过滤组
df.groupby("day").filter(lambda x: x['total_bill'].mean() > 20).day.unique()
它会发现哪些天的平均账单大于 20 美元。这是有效的,因为 groupby.filter 需要一个函数来应用于每个应该返回 True 或 False 的子帧。但是,如果我想找到 total_bill 的值大于当天的 total_bill 的每一餐(行)怎么办?例如,如果某行的 total_bill
为 22
并且是在周日,那么应该保留它,因为周日的 total_bill
平均值为 21.41
.
这是我的尝试:
df.groupby('day').apply(lambda x: x['total_bill'] > x['total_bill'].mean())
然而,这会产生看起来像这样的东西(前几行)
day
Fri 90 True
91 True
92 False
93 False
94 True
Name: total_bill, dtype: bool
这与数据框的顺序不同,所以我不能只获取 bool 列并使用它来索引数据。
所以现在我执行以下操作:
grouped = (df
.groupby('day')
.apply(lambda x: x['total_bill'] > x['total_bill'].mean())
.reset_index())
index_bill = (grouped
.loc[grouped.total_bill == True, 'level_1'].values)
df.loc[index_bill]
这给了我想要的结果......必须有更简单的方法,对吧?如果有正确的方法,请告诉我。如果没有,是否至少有一种方法可以将这两个步骤合二为一?我可以执行 groupby,但我不确定如何在不将分组对象存储为变量然后引用它的情况下获取值。谢谢!
最佳答案
我认为最好的方法是对 groupby
和 transfrom
使用 bool 索引。首先,您按天分组以找到当天的均值,然后使用转换将该均值应用于每一行,接下来将该均值与当天的实际 total_billed 进行比较,然后使用该 bool 系列通过 bool 索引过滤您的数据框。
df[df.groupby('day')['total_bill'].transform('mean') < df['total_bill']]
输出:
total_bill tip sex smoker day time size
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4
5 25.29 4.71 Male No Sun Dinner 4
7 26.88 3.12 Male No Sun Dinner 4
11 35.26 5.00 Female No Sun Dinner 4
15 21.58 3.92 Male No Sun Dinner 2
19 20.65 3.35 Male No Sat Dinner 3
23 39.42 7.58 Male No Sat Dinner 4
28 21.70 4.30 Male No Sat Dinner 2
33 20.69 2.45 Female No Sat Dinner 4
35 24.06 3.60 Male No Sat Dinner 3
39 31.27 5.00 Male No Sat Dinner 3
44 30.40 5.60 Male No Sun Dinner 4
46 22.23 5.00 Male No Sun Dinner 2
47 32.40 6.00 Male No Sun Dinner 4
48 28.55 2.05 Male No Sun Dinner 3
52 34.81 5.20 Female No Sun Dinner 4
54 25.56 4.34 Male No Sun Dinner 4
56 38.01 3.00 Male Yes Sat Dinner 4
57 26.41 1.50 Female No Sat Dinner 2
59 48.27 6.73 Male No Sat Dinner 4
72 26.86 3.14 Female Yes Sat Dinner 2
73 25.28 5.00 Female Yes Sat Dinner 2
77 27.20 4.00 Male No Thur Lunch 4
78 22.76 3.00 Male No Thur Lunch 2
80 19.44 3.00 Male Yes Thur Lunch 2
83 32.68 5.00 Male Yes Thur Lunch 2
85 34.83 5.17 Female No Thur Lunch 4
87 18.28 4.00 Male No Thur Lunch 2
88 24.71 5.85 Male No Thur Lunch 2
.. ... ... ... ... ... ... ...
180 34.65 3.68 Male Yes Sun Dinner 4
181 23.33 5.65 Male Yes Sun Dinner 2
182 45.35 3.50 Male Yes Sun Dinner 3
183 23.17 6.50 Male Yes Sun Dinner 4
184 40.55 3.00 Male Yes Sun Dinner 2
187 30.46 2.00 Male Yes Sun Dinner 5
189 23.10 4.00 Male Yes Sun Dinner 3
191 19.81 4.19 Female Yes Thur Lunch 2
192 28.44 2.56 Male Yes Thur Lunch 2
197 43.11 5.00 Female Yes Thur Lunch 4
200 18.71 4.00 Male Yes Thur Lunch 3
204 20.53 4.00 Male Yes Thur Lunch 4
206 26.59 3.41 Male Yes Sat Dinner 3
207 38.73 3.00 Male Yes Sat Dinner 4
208 24.27 2.03 Male Yes Sat Dinner 2
210 30.06 2.00 Male Yes Sat Dinner 3
211 25.89 5.16 Male Yes Sat Dinner 4
212 48.33 9.00 Male No Sat Dinner 4
214 28.17 6.50 Female Yes Sat Dinner 3
216 28.15 3.00 Male Yes Sat Dinner 5
219 30.14 3.09 Female Yes Sat Dinner 4
227 20.45 3.00 Male No Sat Dinner 4
229 22.12 2.88 Female Yes Sat Dinner 2
230 24.01 2.00 Male Yes Sat Dinner 4
237 32.83 1.17 Male Yes Sat Dinner 2
238 35.83 4.67 Female No Sat Dinner 3
239 29.03 5.92 Male No Sat Dinner 3
240 27.18 2.00 Female Yes Sat Dinner 2
241 22.67 2.00 Male Yes Sat Dinner 2
243 18.78 3.00 Female No Thur Dinner 2
[97 rows x 7 columns]
关于python - Pandas 按组值过滤行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49031359/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!