如何根据值计数过滤pandas DataFrame？

Question

我正在使用Python的Pandas DataFrame开发视频游戏,每个都有一个类型.我试图删除任何在DataFrame中出现少于几次的类型的视频游戏,但我不知道如何去做.我确实找到了一个似乎相关的StackOverflow问题,但我根本无法破译解决方案(可能是因为我从未听说过R而且我对函数式编程的记忆充其量是生锈的).

救命？

Answer 1

使用groupby过滤器:

In [11]: df = pd.DataFrame([[1, 2], [1, 4], [5, 6]], columns=['A', 'B'])

In [12]: df
Out[12]:
   A  B
0  1  2
1  1  4
2  5  6

In [13]: df.groupby("A").filter(lambda x: len(x) > 1)
Out[13]:
   A  B
0  1  2
1  1  4

我建议阅读文档的split-combine-section.

Answer 2

性能更好的解决方案应该是GroupBy.transform与size每团体计数系列与像原来一样大小df的，所以可能的过滤器boolean indexing：

df1 = df[df.groupby("A")['A'].transform('size') > 1]

或者使用Series.map具有Series.value_counts：

df1 = df[df['A'].map(df['A'].value_counts()) > 1]

Answer 3

@jezael 解决方案效果很好，这是一种基于值计数进行过滤的不同方法：

例如，如果数据集是：

df = pd.DataFrame({'a': [1,2,3,3,1,6], 'b': [11,2,33,4,55,6]})

转换计数并将其保存为字典

ount_freq = dict(df['a'].value_counts())

创建一个新列并复制目标列，将字典与新创建的列映射

df['count_freq'] = df['a']
df['count_freq'] = df['count_freq'].map(count_freq)

现在我们有一个带有计数频率的新列，您现在可以使用此列轻松定义阈值和过滤器。

df[df.count_freq>1]