从熊猫数据框的列中选择排名前50％的百分比名称

Question

我有一个像这样的熊猫数据框。行和列的名称相同。

name a  b  c  d  e  f  g 
 a   10 5  4  8  5  6  4
 b   5  10 6  5  4  3  3
 c   -  4  9  3  6  5  7
 d   6  9  8  6  6  8  2
 e   8  5  4  4  14 9  6
 f   3  3  -  4  5  14 7
 g   4  5  8  9  6  7  10

我可以通过传递df ['column_name']。nlargest（n = 5）来获得5个最大值，但是如果我必须按降序返回50％的最大值，那么熊猫中是否内置了任何东西我必须为此编写一个函数，如何获得它们？我是python的新手。请帮帮我。

更新：因此，让我们考虑a列，它的值类似于10、5，-，6、8、3和4。我必须将它们全部加起来并得到前50％。因此，在这种情况下，总数为36。这些值的50％为18。因此，从a列中，我只想选择10和8。同样，我想浏览所有其他列并选择50％。

Answer 1

排序很灵活：）

df.sort_values('column_name',ascending=False).head(int(df.shape[0]*.5))

更新：frac参数仅在.sample（）上可用，而在.head或.tail中不可用。 df.sample（frac = .5）的确给出了50％，但头和尾仅期望int。 df.head（frac = .5）失败，出现 TypeError：head（）得到了意外的关键字参数'frac'

注意：关于int（）vs round（）

int(3.X) == 3 # True Where 0 >= X >=9 
round(3.45) == 3 # True
round(3.5) == 4 # True

因此，在执行.head（int / round ...）时，请考虑一下适合您需要的行为。

已更新：要求

  

因此，我们将a列考虑在内，它的值类似于10，   5，-，6,8,3和4。我必须将它们全部加起来并得到前50％   他们。因此，在这种情况下，总数为36。这些值的50％为   18.因此，从a列中，我只选择10和8。同样，我想浏览所有其他列并选择50％。 -马特

一个愚蠢的办法是排序，找到累积的总和，将其除以总和，然后找到中间值，然后用它来选择已排序列的一部分。例如

import pandas as pd

data = pd.read_csv(
pd.compat.StringIO("""name a b c d e f g 
a 10 5 4 8 5 6 4
b 5 10 6 5 4 3 3
c - 4 9 3 6 5 7
d 6 9 8 6 6 8 2
e 8 5 4 4 14 9 6
f 3 3 - 4 5 14 7
g 4 5 8 9 6 7 10"""), 
sep=' ', index_col='name'
).dropna(axis=1).apply(
pd.to_numeric, errors='coerce', downcast='signed')

x = data[['a']].sort_values(by='a',ascending=False)[(data[['a']].sort_values(by='a',ascending=False).cumsum()
                                                 /data[['a']].sort_values(by='a',ascending=False).sum())<=.5].dropna()
print(x)

结果：

Answer 2

您可以对数据框进行排序，仅显示90％的数据

df.sort_values('column_name',ascending=False).head(round(0.9*len(df)))

Answer 3

  

data.csv

name,a,b,c,d,e,f,g
a,10,5,4,8,5,6,4
b,5,10,6,5,4,3,3
c,-,4,9,3,6,5,7
d,6,9,8,6,6,8,2
e,8,5,4,4,14,9,6
f,3,3,-,4,5,14,7
g,4,5,8,9,6,7,10

  

test.py

#!/bin/python

import pandas as pd

def percentageOfList(l, p):
    return l[0:int(len(l) * p)]

df = pd.read_csv('data.csv')
print(percentageOfList(df.sort_values('b', ascending=False)['b'], 0.9))