我的数据框如下:
year id
0 2019 x1
1 2012 x1
2 2017 x1
3 2013 x1
4 2018 x2
5 2012 x2
6 2013 x2
我想过滤我的整个数据框,以便每个id观察到3个以上的观察值,则应删除年份最低的观察值。
在这种情况下,应该删除第一行。
year id
0 2019 x1
1 2017 x1
2 2013 x1
3 2018 x2
4 2012 x2
5 2013 x2
答案 0 :(得分:3)
将DataFrame.sort_values
与GroupBy.head
一起使用:
df = df.sort_values(['id','year'], ascending=[True, False]).groupby('id').head(3)
print (df)
year id
0 2019 x1
2 2017 x1
3 2013 x1
4 2018 x2
6 2013 x2
5 2012 x2
如果订单应该相同,请添加DataFrame.sort_index
:
df = df.sort_values(['id','year'], ascending=[True, False]).groupby('id').head(3).sort_index()
print (df)
year id
0 2019 x1
2 2017 x1
3 2013 x1
4 2018 x2
5 2012 x2
6 2013 x2
答案 1 :(得分:2)
使用GroupBy.nlargest
:
df = df.groupby('id')['year'].nlargest(3).reset_index().drop(columns='level_1')
id year
0 x1 2019
1 x1 2017
2 x1 2013
3 x2 2018
4 x2 2013
5 x2 2012
确保year
具有int
dtype:
df['year'] = df['year'].astype(int)
答案 2 :(得分:1)
使用for循环解决此问题(我喜欢循环)怎么样?
id_unique = df.id.unique()
df_new = pd.DataFrame(columns = df.columns)
for i in id_unique:
df_new = pd.concat([df_new, df[df['id'] == i ].sort_values(['year'], ascending= [False]).head(3)], axis=0)