Question

我有一个如下所列的数据框：

In []: dff = pd.DataFrame({'A': np.arange(8),
                           'B': list('aabbbbcc'),
                           'C':np.random.randint(100,size=8)})

我根据列B

进行了分组

  In []: grouped = dff.groupby('B')

现在，我想根据dff列中值的差异来过滤'C'。例如，如果列C中组内任意两点之间的差异大于阈值，请删除该行。

如果dff是：

   A  B   C
0  0  a  18
1  1  a  25
2  2  b  56
3  3  b  62
4  4  b  46
5  5  b  56
6  6  c  74
7  7  c   3

然后，10的{{1}}阈值将生成如下的最终表：

这里分组的类别c（小写字母）被删除，因为两者之间的差异大于10，但是类别b的所有行都完整无缺，因为它们都在10之内。

Answer 1

我想我会在numpy中努力工作：

In [11]: a = np.array([2, 3, 14, 15, 54])

In [12]: res = np.abs(a[:, np.newaxis] - a) < 10  # Note: perhaps you want <= 10.

In [13]: np.fill_diagonal(res, False)

In [14]: res.any(0)
Out[14]: array([ True,  True,  True,  True, False], dtype=bool)

你可以将它包装在一个函数中：

In [15]: def has_close(a, n=10):
              res = np.abs(a[:, np.newaxis] - a) < n
              np.fill_diagonal(res, False)
              return res.any(0)

In [16]: g = df.groupby('B', as_index=False)

In [17]: g.C.apply(lambda x: x[has_close(x.C.values)])
Out[17]: 
   A  B   C
0  0  a  18
1  1  a  25
2  2  b  56
3  3  b  62
5  5  b  56

如何根据组内值的差异过滤pandas中的groupby对象？

1 个答案: