Pandas 如何在熊猫组中选择过滤元件

我想根据熊猫组中的元素的属性有选择地删除它们

下面是一个示例：删除除“A”列中具有最高值的行之外的所有元素

>>> dff = pd.DataFrame({'A': np.arange(8), 'B': list('aabbbbcc'), 'C': list('lmnopqrt')})

>>> dff
   A  B  C
0   0  a  l
1   2  a  m
2   4  b  n
3   1  b  o
4   9  b  p
5   2  b  q
6   3  c  r
7  10  c  t

>>> grped = dff.groupby('B')
>>> grped.groups
{'a': [0, 1], 'c': [6, 7], 'b': [2, 3, 4, 5]}

将自定义函数/方法应用于组（在“A”列过滤元素的组内排序）

返回数据帧：

   A  B  C
0   2  a  m
1   9  b  p
2  10  c  t

---

也许有一种简洁的方法可以通过lambda函数或.filter（）实现这一点？谢谢

如果要为每组选择一行，可以使用

groupby/agg

返回索引值并使用

loc

选择行

例如，要按

B

分组，然后选择

A

值最高的行：

In [171]: dff
Out[171]: 
    A  B  C
0   0  a  l
1   2  a  m
2   4  b  n
3   1  b  o
4   9  b  p
5   2  b  q
6   3  c  r
7  10  c  t

[8 rows x 3 columns]

In [172]: dff.loc[dff.groupby('B')['A'].idxmax()]
Out[172]: 
    A  B  C
1   2  a  m
4   9  b  p
7  10  c  t

另一个选项（）实际上是

如果希望为每个组选择多行，可以使用

groupby/apply

，并使用一个函数为每个组返回子数据帧 每组<代码>应用然后将尝试为您合并这些子数据帧

例如，要从每个组中选择除最后一行之外的每一行，请执行以下操作：

In [216]: df = pd.DataFrame(np.arange(15).reshape(5,3), columns=list('ABC'), index=list('vwxyz')); df['A'] %= 2; df
Out[216]: 
   A   B   C
v  0   1   2
w  1   4   5
x  0   7   8
y  1  10  11
z  0  13  14


In [217]: df.groupby(['A']).apply(lambda grp: grp.iloc[:-1]).reset_index(drop=True, level=0)
Out[217]: 
   A  B  C
v  0  1  2
x  0  7  8
w  1  4  5

另一种方法是使用

groupby/apply

返回一系列索引值。再次

apply

将尝试将系列加入到一个系列中。然后可以使用

df.loc

按索引值选择行：

In [218]: df.loc[df.groupby(['A']).apply(lambda grp: pd.Series(grp.index[:-1]))]
Out[218]: 
   A  B  C
v  0  1  2
x  0  7  8
w  1  4  5

---

我不认为

groupby/filter

会做你想做的事，因为

---

groupby/filter

过滤整个组。它不允许您从每个组中选择特定的行。

@DSM:Oops，您是对的。谢谢你的更正。谢谢你的回答。我使用“loc”方法选择每个组的最大行数，但是性能太慢了。你有什么建议吗？

In [216]: df = pd.DataFrame(np.arange(15).reshape(5,3), columns=list('ABC'), index=list('vwxyz')); df['A'] %= 2; df
Out[216]: 
   A   B   C
v  0   1   2
w  1   4   5
x  0   7   8
y  1  10  11
z  0  13  14


In [217]: df.groupby(['A']).apply(lambda grp: grp.iloc[:-1]).reset_index(drop=True, level=0)
Out[217]: 
   A  B  C
v  0  1  2
x  0  7  8
w  1  4  5

In [218]: df.loc[df.groupby(['A']).apply(lambda grp: pd.Series(grp.index[:-1]))]
Out[218]: 
   A  B  C
v  0  1  2
x  0  7  8
w  1  4  5