Question

PROT      PEP       SD  
1        XXX      4,54             
1        XXX      5,56             
1        XXY      4,67                       
1        XXZ      5,67             
1        XXY      5,67  
1        XXX      5,68          
2        XXW      4,64             
2        XXZ      4,54             
2        XXW      5,56             
2        XXX      4,67                        
2        XXX      5,67

我需要找出一种通过prot和pep过滤数据的方法，但只保留pep，其中prot超过1 pep - >然后再次过滤，这样每个pep值只有2，最高SD仍然存在（并将这两个相加/除以2）

PROT1的输出：

PROT    PEP   SD
1       XXX   5.56+5.68 /2
        XXY   4.67 + 5.67 /2

我认为如果我弄清楚在lambda x之后要放什么，这可能就是这样：所以它需要三个最高值，现在它给了我一个最高价值指数。

counts = (df6.groupby(['PROT','PEP])['SD']
        .apply(lambda x: x.idxmax()))

Answer 1

我很想一次性做到这一点：

In [11]: g = df.groupby(['PROT', 'PEP'])

In [12]: g['SD'].apply(lambda x: np.nan if len(x) < 2 else (x.nlargest(2).sum() / 2))
Out[12]:
PROT  PEP
1     XXX    5.62
      XXY    5.17
      XXZ     NaN
2     XXW    5.10
      XXX    5.17
      XXZ     NaN
Name: SD, dtype: float64

然后放下NaN。

通过prot和pep过滤数据，但只保留pep，其中prot超过1 pep

使用groupby过滤器：

In [21]: g = df.groupby(['PROT', 'PEP'])

In [22]: g.filter(lambda x: len(x) >= 2)
Out[22]:
    PROT  PEP    SD
0      1  XXX  4.54
1      1  XXX  5.56
2      1  XXY  4.67
4      1  XXY  5.67
5      1  XXX  5.68
6      2  XXW  4.64
8      2  XXW  5.56
9      2  XXX  4.67
10     2  XXX  5.67

再次过滤，因此对于每个pep值只有2，最高SD仍然存在（并将这两个相加/除以2）

你可以在第二遍使用nlargest（但这开始变得混乱）。

In [31]: (g.filter(lambda x: len(x) >= 2)
           .groupby(['PROT', 'PEP'])['SD']
           .nlargest(2)
           .groupby(level=[0, 1])
           .sum() / 2)
Out[31]:
PROT  PEP
1     XXX    5.62
      XXY    5.17
2     XXW    5.10
      XXX    5.17
dtype: float64

我认为我们可以同意顶级方法更清晰（更高效！）。

过滤，分组数据

1 个答案: