Question

我要在对数据框进行分组后过滤，但是遇到键盘错误，这是一些示例代码：


df = pd.DataFrame([
                [0, 1, 'm', 5.0], [0, 1, 'm', -7.0],[0, 1, 'm', 9.0],[0, 1, 'm', 32.0],[0, 1, 'm', -11.0],
                [0, 6, 'm', -12.0], [0, 6, 'm', 15.0],[0, 6, 'm', -16.0],[0, 6, 'm', -3.0],[0, 6, 'm', 21.0],
                [0, 12, 'm', 15.0], [0, 12, 'm', 51.0],[0, 12, 'm', 4.0],[0, 12, 'm', 3.0],[0, 12, 'm', 1.0],
                [1, 1, 'm', 5.0], [1, 1, 'm', -7.0],[1, 1, 'm', 9.0],[1, 1, 'm', 32.0],[1, 1, 'm', -11.0],
                [1, 6, 'm', -12.0], [1, 6, 'm', 15.0],[1, 6, 'm', -16.0],[1, 6, 'm', -3.0],[1, 6, 'm', 21.0],
                [1, 12, 'm', 15.0], [1, 12, 'm', 51.0],[1, 12, 'm', 4.0],[1, 12, 'm', 3.0],[1, 12, 'm', 1.0]
                ],
                columns=['id', 'timeperiod', 'timeperiodtype', 'value'])
df['good'] = df['value'].apply(lambda x: 1 if x>0 else 0)
print(df)
print(df[df['timeperiod']>6])

df = df[['id', 'timeperiod','timeperiodtype','good']][df['timeperiod']>0].groupby(['id','timeperiod','timeperiodtype']).mean()

print(df[df['timeperiod']>6])

我想避免使用reset_index，因为在最终代码中，我将有几个形状相似的数据框，它们将被聚合/合并/串联。

我确定我一定会遗漏一些明显的东西。

如何使用列名来过滤分组的数据框？

谢谢。

Answer 1

使用DataFrame.loc用于按条件和列名称进行过滤，然后为避免使用MultiIndex添加DataFrame.reset_index或参数as_index=False：

df = df.loc[df['timeperiod']>0, ['id', 'timeperiod','timeperiodtype','good']].groupby(['id','timeperiod','timeperiodtype']).mean().reset_index()

或者：

df = df.loc[df['timeperiod']>0, ['id', 'timeperiod','timeperiodtype','good']].groupby(['id','timeperiod','timeperiodtype'], as_index=False).mean()

print(df)
   id  timeperiod timeperiodtype  good
0   0           1              m   0.6
1   0           6              m   0.4
2   0          12              m   1.0
3   1           1              m   0.6
4   1           6              m   0.4
5   1          12              m   1.0

print(df[df['timeperiod']>6])
   id  timeperiod timeperiodtype  good
2   0          12              m   1.0
5   1          12              m   1.0

编辑：

对于MuiltiIndex中的过滤器，可以使用Index.get_level_values：

df = df.loc[df['timeperiod']>0, ['id', 'timeperiod','timeperiodtype','good']].groupby(['id','timeperiod','timeperiodtype']).mean()
print(df)
                              good
id timeperiod timeperiodtype      
0  1          m                0.6
   6          m                0.4
   12         m                1.0
1  1          m                0.6
   6          m                0.4
   12         m                1.0
   
print(df[df.index.get_level_values('timeperiod')>6])
                              good
id timeperiod timeperiodtype      
0  12         m                1.0
1  12         m                1.0

groupby之后的熊猫Keyerror

1 个答案: