Question

我有一个如下所示的数据集：

venue_id,latitude,longitude,venue_category,country_code,user_id,uct_time,time_offset
4af833a6f964a5205a0b22e3,13.693775,100.751152,Airport,TH,4337,Tue Apr 03 20:35:48 +0000 2012,420
4af833a6f964a5205a0b22e3,13.693775,100.751152,Airport,TH,101773,Tue Apr 03 20:46:53 +0000 2012,420
4af833a6f964a5205a0b22e3,13.693775,100.751152,Airport,TH,105093,Tue Apr 03 22:39:56 +0000 2012,420
4af833a6f964a5205a0b22e3,13.693775,100.751152,Airport,TH,58835,Tue Apr 03 22:54:52 +0000 2012,420
....

我需要删除少于100次出现的venue_id。

我尝试使用以下代码：

joined = joined[joined.groupby("venue_id").venue_id.transform(len) >= 100]

受到ID 13446480问题答案的启发。

问题是它给了我以下错误：

AttributeError: 'DataFrameGroupBy' object has no attribute 'venue_id'

请记住，我是熊猫新手，我想学习，所以如果你能给出一些解释，我将不胜感激。

干杯，

丹

Answer 1

似乎第一列是索引，所以帮助reset_index。

所以需要：

joined = joined.reset_index()
joined = joined[joined.groupby("venue_id")['venue_id'].transform(len) >= 100]

如果第一列是索引而且不需要reset_index：

，对我来说也是有效的

joined = joined[joined.groupby("venue_id").transform(len) >= 100]

如果不使用最新版本的pandas（0.20.1），则需要添加一些列：

joined = joined[joined.groupby(level="venue_id")['latitude'].transform(len) >= 100]

EDIT1：

Faster使用size作为len。

joined = joined[joined.groupby("venue_id")['latitude'].transform('size') >= 100]

删除基于group by的条目

1 个答案: