python - 如何在 Pandas 中执行相当于相关子查询的操作

Question

我有一个来自 Kaggle 泰坦尼克号竞赛的 CSV 文件，如下所示。该文件的记录格式由以下列描述:PassengerId, Survived, Pclass, Name, Sex, Age, SibSp, Parch, Ticket, Fare, Cabin, Embarked.我想分析这个文件中的数据，看看跟团旅行的乘客是否有更好的生存率。为此，我假设 Ticket 的值对于一组中的所有乘客都是相同的。

我在 MS Access 中加载了 CSV，并执行了以下查询以获得所需的结果集:

SELECT a.Ticket, a.PassengerId, a.Survived
FROM train a
WHERE 1 < (SELECT COUNT(*) FROM train b WHERE b.Ticket = a.Ticket)
ORDER BY a.Ticket

如果不编写循环，我无法提取与上面相同的结果集。

Answer 1

让我们看看这是否匹配:

df.groupby(['Ticket']).filter(lambda x: x.Ticket.count()>1)[['Ticket','PassengerId','Survived']]

或者根据 Jezrael 的建议:

df.groupby(['Ticket']).filter(lambda x: len(x)>1)[['Ticket','PassengerId','Survived']]

我在 Tickets 上使用 groupby，然后使用 filter 将我的数据框过滤到该票证组中的计数大于 1 的那些记录。