Question

我在pandas中有一个数据框，并希望得到某个列的所有值超过X次。我知道这应该很容易，但不知怎的，我目前没有尝试到任何地方。

以下是一个例子：

>>> df2 = pd.DataFrame([{"uid": 0, "mi":1}, {"uid": 0, "mi":2}, {"uid": 0, "mi":1}, {"uid": 0, "mi":1}])
>>> df2

    mi  uid
0    1   0
1    2   0
2    1   0
3    1   0

现在我想要从列“mi”中获取出现超过2次的所有值，结果应为

>>> <fancy query>
array([1])

我已经尝试过使用groupby和count的几个东西，但我总是最终得到一个包含值及其各自计数的系列，但不知道如何从中提取计数超过X的值：

>>> df2.groupby('mi').mi.count() > 2
mi
1      True
2     False
dtype: bool

但是我现在如何使用它来获得真实的mi值？

任何提示赞赏：）

Answer 1

或者这个怎么样：

创建表格：

>>> import pandas as pd
>>> df2 = pd.DataFrame([{"uid": 0, "mi":1}, {"uid": 0, "mi":2}, {"uid": 0, "mi":1}, {"uid": 0, "mi":1}])

获取每次出现的次数：

>>> vc = df2.mi.value_counts()
>>> print vc
1    3
2    1

打印出次数超过2次的内容：

>>> print vc[vc > 2].index[0]
1

Answer 2

类似于@nicolaskruchten，版本略短

 df2.mi.value_counts().loc[lambda x: x>5].reset_index()['index']

如果您不需要在意甲中获得结果，请执行以下操作：

df2.mi.value_counts().loc[lambda x: x>5].index

Answer 3

我发现@ juniper提供的解决方案存在问题如果满足您条件的值超过2个，则不会打印出来。例如：

>>> check=pd.DataFrame({'YOB':[1991,1992,1993,1991,1995,1994,1992,1991]})

>>>vc = check.YOB.value_counts()
>>>vc
1991    3
1992    2
1995    1
1994    1
1993    1
Name: YOB, dtype: int64

假设我们希望找到不止一次出现的年份：

>>>vc[vc>1]
1991    3
1992    2
Name: YOB, dtype: int64

如果我们现在想要访问实际值，我们需要这样做：

>>>vc[vc>1].index.tolist()
[1991,1992]

不是通过索引来调用它，而是仅打印出第一个值：

>>>vc[vc>1].index[0]
1991

Answer 4

我用这个：

 df2.mi.value_counts().reset_index(name="count").query("count > 5")["index"]

query()之前的部分为我提供了一个包含两列的数据框：index和count。 query()上的count过滤器，然后我们提取值。

Answer 5

from collections import Counter

counts = Counter(df2.mi)
df2[df2.mi.isin([key for key in counts if counts[key] > 2])]

Pandas：从列中获取超过X次的值

5 个答案: