Python 我如何按计数筛选一个数据集，并同时对组进行平均？

是否有一种方法可以有效地根据数据帧（.groupby）中的实例数进行过滤，并计算所述过滤组的平均值

让我们以我拥有的数据帧为例

t_用户

和

c_用户

进行配对，配对的月份和年份以及计算列

x = [
[ 1000   , 4756   , 6  , 2017 , 0.36 ],
[1000   , 2357   , 6  , 2017 , 0.42 ],
[ 1000   , 2400   , 6  , 2017 , 0.76 ],
[ 1000   , 2400   , 6  , 2017 , 1.11 ],
[ 1000   , 2400   , 6  , 2017 , 0.27 ],
[ 1000   , 2400   , 6  , 2017 , 1.57 ],
[ 2399   , 9531   , 6  , 2017 , 0.57 ],
[ 3999   , 8532   , 6  , 2017 , 0.27 ],
[ 3999   , 2138   , 6  , 2017 , 1.76] ,
[ 1039   , 4215   , 6  , 2017 , 0.26]
]

df = pd.DataFrame(x, columns=['t_user','c_user','mo','yr','tval'])


|    | t_user | c_user | mo | yr   | tval |
|----|--------|--------|----|------|------|
| 0  | 1000   | 4756   | 6  | 2017 | 0.36 |
| 1  | 1000   | 2357   | 6  | 2017 | 0.42 |
| 2  | 1000   | 2400   | 6  | 2017 | 0.76 |
| 3  | 1000   | 2400   | 6  | 2017 | 1.11 |
| 4  | 1000   | 2400   | 6  | 2017 | 0.27 |
| 6  | 1000   | 2400   | 6  | 2017 | 1.57 |
| 7  | 2399   | 9531   | 6  | 2017 | 0.57 |
| 8  | 3999   | 8532   | 6  | 2017 | 0.27 |
| 9  | 3999   | 2138   | 6  | 2017 | 1.76 |
| 10 | 1039   | 4215   | 6  | 2017 | 0.26 |

在本例中，我想对出现4次的所有用户对进行分组。只有一对符合这一点（索引2-6，账户对1000和2400）

我知道第一点是很容易实现的

df=df.groupby（['t_user'，'c_user'，'mo'，'yr']）.size（）.reset_index（name='ct'）
df=df[df['ct']==24]。重置索引（）

同时，我想对这4行中该对的

tval

列求平均值。我不需要任何其他数据。在哪里发生的

理想情况下，结果将应用于更大的数据集，返回满足数字要求的所有行，如下所示：

| t_user | c_user | mo | yr   | tval_avg |
|--------|--------|----|------|----------|
| 1000   | 2400   | 6  | 2017 |   0.93   |

---

我尝试了一个

df.groupby（）.size（）

并加入了

df.groupby.mean（）

，但它非常混乱，无法正常工作。我想我可能遗漏了一些简单的东西。

您应该能够使用

groupby

+

transform

来计算、过滤和应用平均值

transform

将保留原始结构（只需重复值），因此您可以使用它在相同的切片函数上进行过滤

下面是一个例子：

gpd=df[
df.groupby（['t_user'，'c_user'，'mo'，'yr']）。transform（'count'）。值>=4#过滤大于3
].groupby（['t_user'，'c_user'，'mo'，'yr']）.agg（{'tval'：'mean'}）.reset_index（）##聚合结果
gpd
出[1]：
t_用户c_用户mo yr tval
0   1000    2400    6   2017    0.9275

您应该能够使用

groupby

+

transform

来计算、过滤和应用平均值

transform

将保留原始结构（只需重复值），因此您可以使用它在相同的切片函数上进行过滤

下面是一个例子：

gpd=df[
df.groupby（['t_user'，'c_user'，'mo'，'yr']）。transform（'count'）。值>=4#过滤大于3
].groupby（['t_user'，'c_user'，'mo'，'yr']）.agg（{'tval'：'mean'}）.reset_index（）##聚合结果
gpd
出[1]：
t_用户c_用户mo yr tval
0   1000    2400    6   2017    0.9275

工作完美无瑕。非常感谢你！随时@Mac，很高兴为您提供帮助！工作完美无瑕。非常感谢你！随时@Mac，很高兴为您提供帮助！