Question

我有一个县的候选人投票的df。（600 X 1192）

我需要将原始df分组以选择总投票的候选人＆gt; 50（行和）和具有总投票的Countys＆gt; 100（列总和）

在原始数据上，我没有候选人，县的总数。

import pandas as pd
import numpy as np


df1 = pd.DataFrame([["cand1", 10,100, 1, 1000, 10, 100],["cand2",20,1000, 2, 20, 0, 20],["cand3", 30,5000, 3, 30, 0, 3], ["cand4",40, 1, 4, 1, 0, 4], ["cand5",50, 50, 0,20, 0,2]],
                   columns=['candidate',"code", 'county1', 'county2', 'county3', 'county4', 'county5'])
df1

结果必须是：

df2 = pd.DataFrame([["cand1", 10,100, 1000, 100],["cand2",20,1000, 20, 20],["cand3",30, 5000, 30, 3], ["cand5",50, 50, 20, 2]],
                   columns=['candidate',"code", 'county1', 'county3', 'county5'])
df2

感谢您帮助解决我的问题

Answer 1

使用布尔索引：

df1.set_index(['candidate', 'code']).loc[
    lambda x: x.sum(axis=1) > 50, lambda x: x.sum(axis=0) > 100
]

lambdas允许操作员链接，但如果你想要一个更干净的方式，你也可以

df1 = df1.set_index(['candidate', 'code'])
df1.loc[df1.sum(axis=1) > 50, df1.sum(axis=0) > 100]

两者都屈服

                county1  county3  county5
candidate code                           
cand1     10        100     1000      100
cand2     20       1000       20       20
cand3     30       5000       30        3
cand5     50         50       20        2

其中候选列和代码列是DataFrame的索引。如果您希望将它们作为常规列，则可以在最后调用reset_index()。

按行和列和总和来设置df

1 个答案: