Question

我有一个叫做house的pandas数据框。一栏是houseID，我想获得只有1000个不同房屋的信息。有超过1行具有相同的houseID（具有更多或更少行数的房屋）。为此，我不能只获得1000个第一行，我需要这样的东西：

SELECT * FROM houses WHERE COUNT(DISTINCT houseID) <= 1000

简化示例（具有3个不同houseID的原始数据帧，在此缩减示例中我想要2个不同的houseID）：

from collections import OrderedDict
import pandas as pd
housesDict = OrderedDict([ ('houseID', ['1', '3', '1','2','2','1','3','1','1']),
                ('Cost', [150, 200, 50,100,75,18,10,23,19])])
houses = pd.DataFrame.from_dict(housesDict)
print(houses)

如果我想将不同数量的房屋限制为2，我的预期输出是：

housesDict = OrderedDict([ ('houseID', ['1', '3', '1','1','3','1','1']),
                    ('Cost', [150, 200, 50,18,10,23,19])])
houses = pd.DataFrame.from_dict(sales)
print(houses)

我该怎么做？

编辑：我有解决方案，谢谢你的帮助：

a = list(df.drop_duplicates(subset=["houseID"]).iloc[:2]['houseID'])
df[df['houseID'].isin(a)]

Answer 1

如果您想要不同的值，只需使用drop_duplicates

即可

df = df.drop_duplicates(subset=["houseID"]).iloc[:1000]

如果要限制重复次数，可以将groupby.transform('count')与布尔索引一起使用。

df.loc[df.groupby("houseID")["houseID"].transform('count') < 3].iloc[:1000]

编辑：误解了这个问题，你可以使用上面的函数来索引值。

# gets first 1000 unique id's
unique_ids = df.drop_duplicates(subset=["houseID"]).iloc[:1000]["houseID"]
# selects rows if their ID's are in unique_id dataframe
df = df.loc[df["houseID"].isin(unique_ids)]

如何选择限制列数据帧的计数？蟒蛇

1 个答案: