Question

我有一个包含时间和值的矩阵/数据框：

     # time             # Value
M = [[2018-08-08 12:00:00, 5],
     [2018-08-08 12:00:00, 7],
     [2018-08-08 13:00:00, 2],]

我想按小时分组，然后计算组的平均值，然后修改/减少每个组，使其仅具有<=该平均值的值。

当前版本：

grouped = M.groupby(pd.Grouper(key='time', freq='1h'))
means = grouped['value'].mean().values # np.array([6, 2])

在这里我被卡住了。我得到每个组的平均值。但是我不知道如何减少“分组”，以便该条件对该组应用grouped [grouped ['value'] <= mean]。

赞赏任何建议。

预期输出：

N = [[2018-08-08 12:00:00, 5], # as 5 <= 6 where 6 is the mean of the first group
     [2018-08-08 13:00:00, 2]] # as 2 is <= 2 where 2 is the mean of the second group

Answer 1

将GroupBy.transform用于Series，其大小与原始DataFrame相同，并用汇总值填充，因此boolean indexing的工作情况非常好：

M = [['2018-08-08 12:00:00', 5],
     ['2018-08-08 12:00:00', 7],
     ['2018-08-08 13:00:00', 2]]

M = pd.DataFrame(M, columns=['time','value'])
M['time'] = pd.to_datetime(M['time'])
print (M)
                 time  value
0 2018-08-08 12:00:00      5
1 2018-08-08 12:00:00      7
2 2018-08-08 13:00:00      2

s = M.groupby(pd.Grouper(key='time', freq='1h'))['value'].transform('mean')
print (s)
0    6
1    6
2    2
Name: value, dtype: int64

mean = 5
df = M[s <= mean]
print (df)
                 time  value
2 2018-08-08 13:00:00      2

编辑：

您还可以按列值进行比较：

df1 = M[M['value'] <= s]
print (df1)
                 time  value
0 2018-08-08 12:00:00      5
2 2018-08-08 13:00:00      2

熊猫通过groupby中的条件进行过滤

1 个答案: