Pandas groupby:获取一个知道其id的组的大小(来自.grouper.group_info [0])

Question

在下面的代码片段中data是一个pandas.DataFrame并且indices是一组列data.在对数据进行分组后,groupby我对组的ID感兴趣,但只对那些大小超过阈值的人(例如:3)感兴趣.

group_ids=data.groupby(list(data.columns[list(indices)])).grouper.group_info[0]

现在,如何知道哪个组的大小大于或等于3知道组的ID？我只想要具有一定大小的群组的ID.

#TODO: filter out ids from group_ids which correspond to groups with sizes < 3 

Answer 1

一种方法是使用以下size方法groupby:

g = data.groupby(...)
size = g.size()
size[size > 3]

例如,这里只有一个大小> 1的组:

In [11]: df = pd.DataFrame([[1, 2], [3, 4], [1,6]], columns=['A', 'B'])

In [12]: df
Out[12]:
   A  B
0  1  2
1  3  4
2  1  6 

In [13]: g = df.groupby('A')

In [14]: size = g.size()

In [15]: size[size > 1]
Out[15]:
A
1    2
dtype: int64

如果您只想将DataFrame限制为大型组中的那些,则可以使用filter方法:

In [21]: g.filter(lambda x: len(x) > 1)
Out[21]:
   A  B
0  1  2
2  1  6