Python 仅由计数器大于X的行分组的数据帧

我想在一列中显示我拥有的组的数量，然后只显示那些拥有超过特定数量的组

考虑这个例子：

import pandas as pd

df = pd.DataFrame(
    {
        'ColA': 'A A A B B C C C C D E E F F F F F F F G G H'.split(),
        'ColB': '1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2'.split()
    }
)

如果我这样分组：

print df.groupby(['ColA']).agg(['count'])

我得到如下输出：

      ColB
     count
ColA      
A        3
B        2
C        4
D        1
E        2
F        7
G        2
H        1

现在，如果我只想在计数超过2时显示上面的行，我该怎么做？我希望输出没有

B

，

D

，

E

，

G

或

H

我尝试了以下两行，但都返回了相同的错误：

print df.loc[df.groupby(['ColA']).agg(['count']) > 2]
print df.loc[df.groupby(['ColA']).agg(['count'])['ColB'] > 2]

错误如下：

Traceback (most recent call last):
  File "C:/scratches/scratch_3", line 11, in <module>
    print df.loc[df.groupby(['ColA']).agg(['count'])['ColB'] > 2]
  File "C:\Anaconda\lib\site-packages\pandas\core\indexing.py", line 1189, in __getitem__
    return self._getitem_axis(key, axis=0)
  File "C:\Anaconda\lib\site-packages\pandas\core\indexing.py", line 1321, in _getitem_axis
    raise ValueError('Cannot index with multidimensional key')
ValueError: Cannot index with multidimensional key

---

回溯（最近一次呼叫最后一次）：
文件“C:/scratch/scratch_3”，第10行，在
打印df_计数[df_计数.值>2]
文件“C:\Anaconda\lib\site packages\pandas\core\frame.py”，第1791行，在\uuu getitem中__
返回self.\u getitem\u数组（键）
文件“C:\Anaconda\lib\site packages\pandas\core\frame.py”，第1833行，在\u getitem\u数组中
返回self.take（索引器，轴=0，转换=False）
文件“C:\Anaconda\lib\site packages\pandas\core\generic.py”，第1358行，在take中
convert=True，verify=True）
文件“C:\Anaconda\lib\site packages\pandas\core\internals.py”，第3275行，在take中
轴=轴，允许（重复=真）
reindex\U索引器中的文件“C:\Anaconda\lib\site packages\pandas\core\internals.py”，第3162行
适用于blk（自建区块）
文件“C:\Anaconda\lib\site packages\pandas\core\internals.py”，第857行，在take\n中
允许填充=真，填充值=填充值）
文件“C:\Anaconda\lib\site packages\pandas\core\common.py”，第844行，在take\n中
func（arr、索引器、out、fill_值）
文件“pandas\src\generated.pyx”，第5779行，位于pandas.algos.take_2d_axis1_object_object（pandas\algos.c:107426）中
文件“stringsource”，第614行，在View.MemoryView.MemoryView_cwrapper（pandas\algos.c:187433）中
文件“stringsource”，第321行，在View.MemoryView.MemoryView.\uuu cinit\uuu（pandas\algos.c:184022）中
ValueError:缓冲区源数组为只读

上次查询的问题：

print df.loc[df.groupby(['ColA']).agg(['count']) > 2]

就是df.loc[]需要一系列22个布尔对象。 相反，它得到的是一系列8个对象：

>>> df.groupby(['ColA']).agg(['count']) > 2
       ColB
      count
ColA       
A      True
B     False
C      True
D     False
E     False
F      True
G     False
H     False

所以它不知道如何把它们放在一起

但有一个解决办法。：）

首先，让我们将聚合df分配给一个新对象

>>> df_count = df.groupby(['ColA']).agg(['count']).ColB
>>> df_count.columns=['ColB']

然后我们可以很容易地过滤它

>>> df_count[df_count.ColB.values>2]
       ColB

ColA       
A         3
C         4
F         7

然后，我们可以使用过滤后的df返回并过滤原始df

>>> df_filtered=df_count[df_count.ColB.values>2]
>>> df[df.ColA.isin(df_filtered.index)]
   ColA ColB
0     A    1
1     A    2
2     A    3
5     C    6
6     C    7
7     C    8
8     C    9
12    F    3
13    F    4
14    F    5
15    F    6
16    F    7
17    F    8
18    F    9

---

在

df_filtered=df_count[df_count.values>2]

上，我收到

ValueError:buffer source array是只读的

，这很奇怪。。。这里的天气在0.14时很好。你用的是什么版本？你能打印df_count[df_count.values>2]吗？我正在使用pandas

0.16.2

是的，pandas 0.16中的功能似乎有所改变。我做了一些更改，并使用pd“0.16.1”在wakari上进行了测试，现在似乎可以工作了。

>>> df_count[df_count.ColB.values>2]
       ColB

ColA       
A         3
C         4
F         7

>>> df_filtered=df_count[df_count.ColB.values>2]
>>> df[df.ColA.isin(df_filtered.index)]
   ColA ColB
0     A    1
1     A    2
2     A    3
5     C    6
6     C    7
7     C    8
8     C    9
12    F    3
13    F    4
14    F    5
15    F    6
16    F    7
17    F    8
18    F    9