Question

我有DataFrame个答案，分别是100个questions_id和50个user_id。每行代表来自特定用户的单个问题。桌子看起来像这样。

user_id | question_id | timetaken | answer_1 | answer_2 |
1015    | 1           | 30        | A        | C        |
1015    | 2           | 45        | B        | B        |
1016    | 1           | 15        | A        | A        |
1016    | 2           | 55        | A        | D        |

我正试图筛选出未完成测试的用户。我这样做的想法是计算每个用户出现在表中的次数，如果user_id 1015在user_id列中出现了100次，我知道他们完成了100个问题。不幸的是，由于问题是随机的，因此我无法使用question_id进行过滤，因此用户可以回答5个问题，其中一个问题可能具有question_id = 100。

我以为这是我的solution，但无法计算出user_id的出现次数。

Answer 1

使用boolean indexing仅过滤计数多于MultipartFile uploadedFile = ((MultipartHttpServletRequest)request).getFile('file_name') InputStream inputStream = new ByteArrayInputStream(uploadedFile?.getBytes())次的行，transform与size的返回值100与原始{{ 1}}：

Series

性能：取决于行数和组的长度，因此最好在真实数据中进行测试：

DataFrame

Answer 2

使用groupby和filter，它们非常简洁，目的就是如此。

df1 = df.groupby('user_id').filter(lambda x: len(x) > 100)

为获得更好的性能，请使用np.unique和map：

m = dict(zip(*np.unique(df.user_id, return_counts=True)))
df[df['user_id'].map(m) > 100]

删除对应于小于指定大小的组的行

2 个答案: