Python 熊猫群体标准

我正在努力解决熊猫分组问题，这可能是一个非常简单的问题。 e、 g

在这个数据集中，最简单的矢量化方法是什么，我可以用它排除类别（列）“名称”的所有行项目，其中“数字”的最小值低于8。 在上述情况下，将删除所有B，因为至少有一个元素的值低于8

我相信使用

groupby

、

apply

或

filter

一定是可能的，但不记得如何使用

---

细节

In [3282]: df
Out[3282]:
  name  number
0    A      10
1    A       8
2    B       7
3    B       6
4    B       9

使用

---

细节

In [3282]: df
Out[3282]:
  name  number
0    A      10
1    A       8
2    B       7
3    B       6
4    B       9

您可以与

min

一起使用遮罩和过滤器：

print (df.groupby('name')['number'].transform('min') >=8)
0     True
1     True
2    False
3    False
4    False
Name: number, dtype: bool

df = df[df.groupby('name')['number'].transform('min') >=8]
print (df)
  name  number
0    A      10
1    A       8

您可以与

min

一起使用遮罩和过滤器：

print (df.groupby('name')['number'].transform('min') >=8)
0     True
1     True
2    False
3    False
4    False
Name: number, dtype: bool

df = df[df.groupby('name')['number'].transform('min') >=8]
print (df)
  name  number
0    A      10
1    A       8

---

这也可以通过

apply

实现（为了完整性）

输出：

name number 0 A 10 1 A 8 姓名号码 0 A 10 1 A 8

---

这也可以通过

apply

实现（为了完整性）

输出：

name number 0 A 10 1 A 8 姓名号码 0 A 10 1 A 8

---

非常感谢！我以前试过，但在某个地方犯了个错误。。。现在我复制了你的代码，它工作了！超快速响应！非常感谢！我以前试过，但在某个地方犯了个错误。。。现在我复制了你的代码，它工作了！超快速响应@GigiHofleitner别忘了投票表达你的感激。@GigiHofleitner别忘了投票表达你的感激之情。当你可以

df.groupby（'name'）['number'].min（）>=8

？没有任何操作说明

apply

转换
过滤器
na因此添加了一个基于应用的解决方案：）。可能会显示繁重的工作所完成的事情。：）先生，您的精彩解决方案有时会出现在评论中。如果您可以
df.groupby（'name'）['number'].min（）>=8
？没有操作说明
apply
transform
filter
na因此添加了基于应用的解决方案：）。可能会显示繁重的工作所完成的事情。：）先生，您的精彩解决方案有时会停留在评论TBH中。