Pandas วิธีกรองซีรีส์

ฉันมีซีรี่ส์แบบนี้หลังจากทำ groupby ('name') และใช้ฟังก์ชัน mean () ในคอลัมน์อื่น

name
383      3.000000
663      1.000000
726      1.000000
737      9.000000
833      8.166667

ใครช่วยแสดงวิธีกรองแถวที่มีค่าเฉลี่ย 1.000000 หน่อยได้ไหม ขอขอบคุณและขอขอบคุณอย่างยิ่งในความช่วยเหลือของคุณ

In [5]:

import pandas as pd

test = {
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
}

s = pd.Series(test)
s = s[s != 1]
s
Out[0]:
383    3.000000
737    9.000000
833    8.166667
dtype: float64

จากแพนด้าเวอร์ชัน 0.18+ การกรองซีรีส์สามารถทำได้ดังนี้

test = {
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
}

pd.Series(test).where(lambda x : x!=1).dropna()

ชำระเงิน: http://pandas.pydata.org/pandas-docs/version/0.18.1/whatsnew.html#method-chaininng-improvements

ดังที่DACW ชี้ให้เห็นมีการปรับปรุงวิธีการผูกมัดในแพนด้า 0.18.1 ที่ทำในสิ่งที่คุณกำลังมองหาได้เป็นอย่างดี

แทนที่จะใช้.whereคุณสามารถส่งผ่านฟังก์ชันของคุณไปยัง.locตัวทำดัชนีหรือตัวสร้างดัชนีซีรีส์[]และหลีกเลี่ยงการเรียกไปที่.dropna:

test = pd.Series({
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
})

test.loc[lambda x : x!=1]

test[lambda x: x!=1]

พฤติกรรมที่คล้ายกันได้รับการสนับสนุนบนคลาส DataFrame และ NDFrame

วิธีที่รวดเร็วในการทำเช่นนี้คือการสร้างใหม่โดยใช้numpyเพื่อแบ่งอาร์เรย์ที่อยู่ข้างใต้ ดูเวลาด้านล่าง

mask = s.values != 1
pd.Series(s.values[mask], s.index[mask])

0
383    3.000000
737    9.000000
833    8.166667
dtype: float64

เวลาที่ไร้เดียงสา

อีกวิธีหนึ่งคือการแปลงเป็น DataFrame ก่อนและใช้วิธีการสืบค้น (สมมติว่าคุณติดตั้ง numexpr):

import pandas as pd

test = {
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
}

s = pd.Series(test)
s.to_frame(name='x').query("x != 1")

หากคุณชอบการทำงานแบบผูกมัดคุณสามารถใช้compressฟังก์ชัน:

test = pd.Series({
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
})

test.compress(lambda x: x != 1)

# 383    3.000000
# 737    9.000000
# 833    8.166667
# dtype: float64

ในกรณีของฉันฉันมีซีรีส์แพนด้าที่มีค่าเป็นตัวละคร :

Out[67]
0    (H, H, H, H)
1    (H, H, H, T)
2    (H, H, T, H)
3    (H, H, T, T)
4    (H, T, H, H)

ดังนั้นฉันสามารถใช้การจัดทำดัชนีเพื่อกรองชุด applyแต่เพื่อสร้างดัชนีที่ฉันต้องการ เงื่อนไขของฉันคือ "ค้นหาสิ่งทอทั้งหมดที่มีตัว 'H' เพียงตัวเดียว

series_of_tuples[series_of_tuples.apply(lambda x: x.count('H')==1)]

ฉันยอมรับว่ามันไม่ใช่ "chainable" (เช่นสังเกตว่าฉันทำซ้ำseries_of_tuplesสองครั้งคุณต้องจัดเก็บชุดชั่วคราวใด ๆ ลงในตัวแปรเพื่อให้คุณสามารถเรียกใช้ (... ) ได้)

นอกจากนี้ยังอาจมีวิธีการอื่น ๆ (นอกจากนี้.apply(...)) ซึ่งสามารถใช้งานองค์ประกอบเพื่อสร้างดัชนีบูลีน

คำตอบอื่น ๆ อีกมากมาย (รวมถึงคำตอบที่ยอมรับ) โดยใช้ฟังก์ชัน chainable เช่น:

• .compress()
• .where()
• .loc[]
• []

สิ่งเหล่านี้ยอมรับ callables (lambdas) ซึ่งใช้กับ Seriesไม่ใช่กับค่าแต่ละค่าในชุดเหล่านั้น!

ดังนั้น Series of tuples ของฉันจึงทำงานแปลก ๆ เมื่อฉันพยายามใช้เงื่อนไขข้างต้น / callable / lambda กับฟังก์ชัน chainable ใด ๆ เช่น.loc[]:

series_of_tuples.loc[lambda x: x.count('H')==1]

สร้างข้อผิดพลาด:

KeyError: 'ระดับ H ต้องเหมือนกับชื่อ (ไม่มี)'

ฉันสับสนมาก แต่ดูเหมือนว่าจะใช้ฟังก์ชันSeries.countseries_of_tuples.count(...)ซึ่งไม่ใช่สิ่งที่ฉันต้องการ

ฉันยอมรับว่าโครงสร้างข้อมูลทางเลือกอาจดีกว่า:

• ประเภทข้อมูลประเภท?
• Dataframe (แต่ละองค์ประกอบของทูเปิลกลายเป็นคอลัมน์)
• ชุดของสตริง (เพียงแค่เชื่อมสิ่งที่ถูกทับเข้าด้วยกัน):

สิ่งนี้จะสร้างชุดของสตริง (เช่นโดยการต่อทูเพิลการรวมอักขระในทูเพิลในสตริงเดียว)

series_of_tuples.apply(''.join)

ดังนั้นฉันจึงสามารถใช้chainable ได้Series.str.count

series_of_tuples.apply(''.join).str.count('H')==1