下面是我正在与之合作的Dataframe:

您可以使用代码片段创建它:
my_dict = {'id': [1,2,1,2,1,2,1,2,1,2,3,1,3, 3],
'category':['a', 'a', 'b', 'b', 'b', 'b', 'a', 'a', 'b', 'b', 'b', 'a', 'a', 'a'],
'value' : [1, 12, 34, 12, 12 ,34, 12, 35, 34, 45, 65, 55, 34, 25]
}
x = pd.DataFrame(my_dict)
x我想根据条件筛选id :对于类别a,值的计数应该是2,对于类别b,值的计数应该是3。因此,我将从类别a中删除id 1,从原始数据集x中删除类别b中的id 3。

我可以为各个类别编写代码,并通过使用以下代码开始手动删除id:
x.query('category == "a"').groupby('id').value.count().loc[lambda x: x != 2]
x.query('category == "b"').groupby('id').value.count().loc[lambda x: x != 3]但是,我不想手动做,因为有多个类别。是否有更好的方法同时考虑所有类别,并根据列表/字典中列出的条件删除id?
发布于 2022-09-22 06:01:08
如果需要,可以通过字典过滤MultiIndex Series - s,使用Index.get_level_values和Series.map,并在boolean indexing中获得每个组的等量值。
s = x.groupby(['category','id']).value.count()
d = {'a': 2, 'b': 3}
print (s[s.eq(s.index.get_level_values(0).map(d))])
category id
a 2 2
3 2
b 1 3
2 3
Name: value, dtype: int64如果需要过滤原始DataFrame:
s = x.groupby(['category','id'])['value'].transform('count')
print (s)
0 3
1 2
2 3
3 3
4 3
5 3
6 3
7 2
8 3
9 3
10 1
11 3
12 2
13 2
Name: value, dtype: int64
d = {'a': 2, 'b': 3}
print (x[s.eq(x['category'].map(d))])
id category value
1 2 a 12
2 1 b 34
3 2 b 12
4 1 b 12
5 2 b 34
7 2 a 35
8 1 b 34
9 2 b 45
12 3 a 34
13 3 a 25https://stackoverflow.com/questions/73809904
复制相似问题