Python 找出最频繁的组合并添加标签

我有一个包含客户数据的表格，如下所示：

Customer    Price
AAA            100
AAA            100
AAA            200
BBB            100
BBB            220
BBB            200
BBB            200

我想做的是找出条件

价格数>=200大于价格数<200

的客户，并为他们添加标签。 例如：

Customer    LABELS
AAA            FALSE
BBB            TRUE

对这个问题有什么想法吗

df.Price.ge(200).groupby(df.Customer).mean().gt(.5)

Customer
AAA    False
BBB     True
Name: Price, dtype: bool

或者如果你坚持你的格式

df.Price.ge(200).groupby(df.Customer).mean().gt(.5).reset_index(name='Labels')

  Customer  Labels
0      AAA   False
1      BBB    True

---

直截了当的回答：

df.groupby('Customer').apply(
    lambda g: (g['Price'] >= 200).sum() > (g['Price'] < 200).sum()
)

df.groupby（'Customer'）。应用(
lambda g：（g['Price']>=200.sum（）>（g['Price']<200.sum（））
)

---

对布尔向量求和将返回

True

值的数目。

这是一个非常好的解决方案。您好，谢谢您的想法。这是一个很好的方法。只有一个关于gt（）函数的问题。你能告诉我用5来表示gt（）的原因吗？@YamPakChing这是另一种写“>.5”的方式，只有当有更多的真实值时才会发生Falses@piRSquared太棒了。我一直在关注你=）@YamPakChing我想

ge

和

gt

之间的区别在于以前的过滤器

=>

和

gt

只过滤

（我刚查过）。@Pirsquare非常感谢你的想法。谢谢，但这个解决方案在这种情况下不起作用。我认为我们必须比较价格的频率而不是价格的总和。结果不是你所期望的吗？我不是对价格求和，而是一个布尔向量，它计算价格高于或低于200的次数（即频率）。对不起，我再次尝试了你的想法。它确实有效，而且很容易理解。非常感谢你。