Question

我有以下13个不同品牌（xx，yy，zz等）的数据框，每个品牌有365行（按品牌进行全年观察）。这是df.head（）的结果。

           brand  exMarketplaces  incMarketplaces  availabilityRate    
date                                                                                                             
2015-08-01    xx      54372.8601     65826.384700          0.260209        
2015-08-02    xx      74335.6785     89722.492300          0.255547      
2015-08-03    xx      78563.0134    110132.200751          0.262365      
2015-08-04    xx      84414.0774    104982.190444          0.261942      
2015-08-05    xx      70499.8071     87368.524093          0.263748

我正在尝试根据exMarketplaces列修剪组级别的异常值。以下代码适用于整个数据框（无论品牌如何）。

df_clean = df[np.abs(df.exMarketplaces-df.exMarketplaces.mean())<=(3*df.exMarketplaces.std())]

但是我想在品牌层面完成此操作。因此，对于13个品牌中的每一个，此操作应该运行13次，结果将是单个数据框对象，并删除所有异常值。

有人可以提出这样做的方法吗？我有直觉，这是一件非常简单的事情，我在这里错过了一个技巧。

提前致谢。

Answer 1

在品牌列中执行Groupby并使用apply在感兴趣的列上运行该函数，最后获取数据框的已过滤子集，如下所示：

func = lambda x: (np.abs(x-x.mean()) <= 3*x.std())
df_clean = df[df.groupby('brand')['exMarketplaces'].apply(func)]

python按组

1 个答案: