我一直在寻找一种在groupby的列中以及在调用该df列的另一个实例中为值过滤df的方法。
例如：
因此要按以下方式绘制此dfs column_betas，但仅当其他列（称为column_value）的值像2时才绘制？
df['column_betas'] # ( when a different column called `column_value` is 2)
以及下面的内容，当我为city列运行分组依据时，但仅当column_value列= 2时？
df.groupby(['City']).quantile(.5)
我试图避免创建其他df来过滤column_value的某个值，而只是在为特定列值或groupby调用该df时尝试调用该值。 / p>
答案 0 :(得分：0)
用
代替df
df[df['column_value']==2]
所以df['column_betas']变成df[df['column_value']==2]['column_betas']
并且df.groupby(['City']).quantile(.5)变成df[df['column_value']==2].groupby(['City']).quantile(.5)
答案 1 :(得分：0)
此命令获取df['column_betas"]，其中值列为2：
df[df["value"]==2]["column_betas"]
并且此命令仅对值列中值为2的行进行分组
df[df["value"]==2].groupby(["City"])