Question

我有一个数据框，如下所示。我想根据subject_id，hadm_id和icustay_id对它们进行分组。将其分组后，我想提取“ val_bw_80_110”列中的pc大于1的pc的60％的主题。从下面的示例中，我们可以看到subject_id = 38满足此条件（val_bw_80_110的所有值= 1，表示100％），我想提取属于subject_id = 38的组。如果只有两个1那么百分比应该是66.666等

我已经尝试使用groupby，但是由于不确定如何获取列中的值百分比而无法继续进行操作

data = [[38,10,110,1,0,0], [38,10,110,1,0,0],[38,10,110,1,0,0], 
[28,11,120,1,0,0],[28,11,120,0,1,0],[28,11,120,0,0,1],
   [48,13,130,1,0,0],[48,13,130,0,1,0],[48,13,130,0,0,1]] 
df = pd.DataFrame(data, columns =['subject_id','hadm_id','icustay_id',
'val_bw_80_110','val_lt_80','val_gt_110'])
new_df = df.groupby(['subject_id','hadm_id','icustay_id'])

我的预期结果只是一个数据框，其中包含满足val_bw_80_110中1的60％的条件的所有主题。输出数据框应具有subject_id = 38的所有记录（以及列）

Answer 1

创建一个满足您条件的subject_id的布尔索引，然后将Series.isin与DataFrame.loc一起使用以对其进行过滤。

s = df.groupby(['subject_id','hadm_id','icustay_id'])['val_bw_80_110'].mean().ge(0.6)

df.loc[df.subject_id.isin(s.index.levels[0][s])]

[输出]

   subject_id  hadm_id  icustay_id  val_bw_80_110  val_lt_80  val_gt_110
0          38       10         110              1          0           0
1          38       10         110              1          0           0
2          38       10         110              1          0           0

Answer 2

将boolean indexing与GroupBy.transform一起使用以获取1值的百分比：

df1 = (df[df.groupby(['subject_id','hadm_id','icustay_id'])['val_bw_80_110']
            .transform('mean').ge(0.6)])
print (df1)
   subject_id  hadm_id  icustay_id  val_bw_80_110  val_lt_80  val_gt_110
0          38       10         110              1          0           0
1          38       10         110              1          0           0
2          38       10         110              1          0           0

如果使用transform获得与原始DataFrame相同大小的Series，则可能进行过滤：

print (df.groupby(['subject_id','hadm_id','icustay_id'])['val_bw_80_110']
            .transform('mean'))
0    1.000000
1    1.000000
2    1.000000
3    0.333333
4    0.333333
5    0.333333
6    0.333333
7    0.333333
8    0.333333
Name: val_bw_80_110, dtype: float64

print (df.groupby(['subject_id','hadm_id','icustay_id'])['val_bw_80_110']
            .transform('mean').ge(0.6))
0     True
1     True
2     True
3    False
4    False
5    False
6    False
7    False
8    False
Name: val_bw_80_110, dtype: bool

使用Python熊猫根据列值为每个组生成百分比

2 个答案: