在两列之间创建具有布尔条件的表

Question

我目前正在查看Reddit数据集，该数据集的两个列均包含注释和subreddit类型。我的目标是，由于行太多，因此希望将数据集限制为较小的数据。

通过查看df ['subreddit']。value_counts> 10000，我正在寻找包含超过10000条注释的subreddit。如何创建满足此条件的新数据框？我会使用loc还是建立某种if语句？

Answer 1

首先，您要执行df['subreddit'].value_counts()。这将返回一系列，您可能要执行的操作是将其转换为数据框，以便稍后执行一些过滤。

我要做的是

aux_df = df['subreddit'].value_counts().reset_index()
filtered_df = aux_df[aux_df['subreddit'] > 10000].rename(columns={'index':'subreddit','subreddit':'amount'})

（可选）与loc：

filtered_df = aux_df.loc[aux_df['subreddit'].gt(10000)].rename(columns={'index':'subreddit','subreddit':'amount'})

编辑

基于注释，我首先创建一个包含超过10000条注释的所有子reddit的列表，上面提供了这些注释，然后仅使用这些值过滤原始数据帧：

df = df[df['subreddit'].isin(list(filtered_df['subreddit']))]