Pandas:从列中获取超过X次的值

Question

我在pandas中有一个数据框,并希望得到某个列的所有值超过X次.我知道这应该很容易,但不知怎的,我目前的尝试并没有得到任何结果.

这是一个例子:

>>> df2 = pd.DataFrame([{"uid": 0, "mi":1}, {"uid": 0, "mi":2}, {"uid": 0, "mi":1}, {"uid": 0, "mi":1}])
>>> df2

    mi  uid
0    1   0
1    2   0
2    1   0
3    1   0

现在假设我想从列"mi"中获得出现超过2次的所有值,结果应该是

>>> <fancy query>
array([1])

我已经尝试过使用groupby和count的一些东西但是我总是最终得到一个包含值及其各自计数的系列但不知道如何从中提取计数超过X的值:

>>> df2.groupby('mi').mi.count() > 2
mi
1      True
2     False
dtype: bool

但是我现在如何使用它来获得真实的mi值？

任何提示赞赏:)

Answer 1

我用这个：

 df2.mi.value_counts().reset_index(name="count").query("count > 5")["index"]

之前的部分query()给了我一个包含两列的数据框：index和count。该query()过滤器上count，然后我们拉出值。

Answer 2

或者这个怎​​么样:

创建表:

>>> import pandas as pd
>>> df2 = pd.DataFrame([{"uid": 0, "mi":1}, {"uid": 0, "mi":2}, {"uid": 0, "mi":1}, {"uid": 0, "mi":1}])

获取每次出现的计数:

>>> vc = df2.mi.value_counts()
>>> print vc
1    3
2    1

打印出超过2次的那些:

>>> print vc[vc > 2].index[0]
1

Answer 3

类似于@nicolaskruchten，略短的版本

 df2.mi.value_counts().loc[lambda x: x>5].reset_index()['index']

如果您不需要在系列中获得结果，只需执行以下操作：

df2.mi.value_counts().loc[lambda x: x>5].index

Answer 4

我发现@juniper 提供的解决方案存在问题- 如果有 2 个以上的值满足您的条件，它们将不会被打印出来。例如：

>>> check=pd.DataFrame({'YOB':[1991,1992,1993,1991,1995,1994,1992,1991]})

>>>vc = check.YOB.value_counts()
>>>vc
1991    3
1992    2
1995    1
1994    1
1993    1
Name: YOB, dtype: int64

假设我们想要找到多次出现的年份：

>>>vc[vc>1]
1991    3
1992    2
Name: YOB, dtype: int64

如果我们现在想要访问实际值，我们需要这样做：

>>>vc[vc>1].index.tolist()
[1991,1992]

而不是通过索引调用它，它只会打印出第一个值：

>>>vc[vc>1].index[0]
1991