如何在pandas

Question

我有来自Kaggle Titanic比赛的CSV文件如下。此文件的记录格式由以下列描述： PassengerId，Survived，Pclass，Name，Sex，Age，SibSp，Parch，Ticket，Fare，Cabin，Embaked。 我想分析这个档案中的数据，检查一群旅行的乘客是否有更好的生存率。为此，我假设Ticket的值对于组中的所有乘客都是相同的。

我在MS Access中加载了CSV，并执行了以下查询以获得所需的结果集：

SELECT a.Ticket, a.PassengerId, a.Survived
FROM train a
WHERE 1 < (SELECT COUNT(*) FROM train b WHERE b.Ticket = a.Ticket)
ORDER BY a.Ticket

如果不编写循环，我无法提取与上面相同的结果集。

Answer 1

让我们看看这是否匹配：

df.groupby(['Ticket']).filter(lambda x: x.Ticket.count()>1)[['Ticket','PassengerId','Survived']]

或者根据Jezrael的建议：

df.groupby(['Ticket']).filter(lambda x: len(x)>1)[['Ticket','PassengerId','Survived']]

我在Tickets上使用groupby，然后使用filter将我的数据帧过滤到该票证组中的计数大于1的记录。