大熊猫如何从聚合中按类别定位？

Question

我有一些数据已经入库，然后按入库分组，使用.count对每个入库中的条目进行计数，并查询每个入库的样本数量

import pandas as pd
import numpy as np

A = np.random.random(10000)
bins = np.arange(0, max(A), 0.03)

data_bins = pd.cut(A, bins = bins, precision = 100)

df = pd.DataFrame({"A": A,
                   "bin":  data_bins})\
    .sort_values(by = ["bin"])\
    .reset_index(drop = True)\
    .dropna()

print(df.head())

# For example, only take bins with more than 310 entries in each
valid_bins = df.groupby("bin")[["A"]].count().query("A > 310")

print(valid_bins)

因此，现在我知道了在我的大型数据集中使用valid_bins查找哪些存储库。现在，我如何在原始df中仅定位这些存储箱？

Answer 1

我认为Series的transform需要和原始DataFrame的大小相同，所以可以按boolean indexing过滤吗

df1 = df[df.groupby("bin")["A"].transform('count') > 310]

或者将更灵活的解决方案与filtration配合使用

df1 = df.groupby("bin").filter(lambda x: x["A"].count() > 310)

print(df1.head())
            A           bin
674  0.080059  (0.06, 0.09]
675  0.074179  (0.06, 0.09]
676  0.062529  (0.06, 0.09]
677  0.087312  (0.06, 0.09]
678  0.070065  (0.06, 0.09]