我有一个包含各种列的数据框,并希望在每个组具有最小有效成员数的条件下计算组的平均值 . 我使用groupby,filter和mean尝试了以下内容 . 它似乎有效,但我想知道是否有更有效的解决方案?
import pandas as pd
import numpy as np
df = pd.DataFrame({'id' : ['one', 'one', 'two', 'three', 'two',
'two', 'two', 'one', 'three', 'one'],
'idprop' : [1., 1., 2., 3., 2., # property corresponding to id
2., 2., 1., 3., 1.],
'x' : np.random.randn(10),
'y' : np.random.randn(10)})
# set a couple of x values to nan
s = df['x'].values
s[s < -0.6] = np.nan
df['x'] = s
g = df.groupby('id', sort=False)
# filter out small group(s) with less than 3 valid values in x
# result is a new dataframe
dff = g.filter(lambda d: d['x'].count() >= 3)
# this means we must group again to obtain the mean value of each filtered group
result = dff.groupby('id').mean()
print result
print type(result)
在how to get multiple conditional operations after a Pandas groupby?有一个相关的问题,但是,行值不是"filters",而是由组元素的数量 . 转换为我的代码,这将是:
res2 = g.agg({'x': lambda d: df.loc[d.index, 'x'][d >= -0.6].sum()})
作为一个侧面问题:是否有更有效的方法将值设置为低于或高于给定阈值NaN?当我用loc尝试这个时,我的大脑扭曲了 .
1 回答
您可以使用groupby apply函数实现此目的:
这里的优点是分组过程只执行一次,这可能比在过滤器之后运行另一个groupby更有效 . 也许唯一的问题是,这会导致不符合条件的组在结果表中显示为NaN . 通过最后添加
dropna
命令可以轻松解决这个问题 .