如何在 Pandas DataFrame 中找到两行之和大于某个值的行？
How can I find rows in Pandas DataFrame where the sum of 2 rows is greater than some value?
在如下所示的数据集中，我尝试按 attr_1 和 attr_2[= 对行进行分组22=]，如果 count 列的总和超过阈值（在本例中为 100），我想保留原始行。
account
attr_1
attr_2
count
ABC
X1
Y1
25
DEF
X1
Y1
100
ABC
X2
Y2
150
DEF
X2
Y2
0
ABC
X3
Y3
10
DEF
X3
Y3
15
我正在使用下面的混乱方法，但我想看看是否有更简洁的方法可以处理这个问题。
df = pd.DataFrame({'account': ['ABC', 'DEF','ABC', 'DEF','ABC', 'DEF'],
'attr_1': ['X1', 'X1', 'X2', 'X2', 'X3', 'X3'],
'attr_2': ['Y1', 'Y1', 'Y2', 'Y2', 'Y3', 'Y3'],
'count': [25, 100, 150, 0, 10, 15]
})
min_count = 100
groups = df.groupby(by=['attr_1', 'attr_2']).sum()
group_count = groups.apply(lambda g: g[g >= min_count])
# find indices of groups exceed the threshold
keep_index = []
for ix in group_count.index:
keep_index.extend(df.query(f'attr_1=="{ix[0]}" & attr_2=="{ix[1]}"').index.values)
# filter dataframe
output_df = df[df.index.isin(keep_index)]
您可以使用 groupby + filter，并在 filter lambda 中为组提供标量条件：
df.groupby(['attr_1', 'attr_2']).filter(lambda g: g['count'].sum() >= min_count)
account attr_1 attr_2 count
0 ABC X1 Y1 25
1 DEF X1 Y1 100
2 ABC X2 Y2 150
3 DEF X2 Y2 0
或使用groupby + transform创建与原始数据框兼容的过滤条件：
df[df.groupby(['attr_1', 'attr_2'])['count'].transform('sum').ge(min_count)]
account attr_1 attr_2 count
0 ABC X1 Y1 25
1 DEF X1 Y1 100
2 ABC X2 Y2 150
3 DEF X2 Y2 0
在如下所示的数据集中，我尝试按 attr_1 和 attr_2[= 对行进行分组22=]，如果 count 列的总和超过阈值（在本例中为 100），我想保留原始行。
| account | attr_1 | attr_2 | count |
|---|---|---|---|
| ABC | X1 | Y1 | 25 |
| DEF | X1 | Y1 | 100 |
| ABC | X2 | Y2 | 150 |
| DEF | X2 | Y2 | 0 |
| ABC | X3 | Y3 | 10 |
| DEF | X3 | Y3 | 15 |
我正在使用下面的混乱方法，但我想看看是否有更简洁的方法可以处理这个问题。
df = pd.DataFrame({'account': ['ABC', 'DEF','ABC', 'DEF','ABC', 'DEF'],
'attr_1': ['X1', 'X1', 'X2', 'X2', 'X3', 'X3'],
'attr_2': ['Y1', 'Y1', 'Y2', 'Y2', 'Y3', 'Y3'],
'count': [25, 100, 150, 0, 10, 15]
})
min_count = 100
groups = df.groupby(by=['attr_1', 'attr_2']).sum()
group_count = groups.apply(lambda g: g[g >= min_count])
# find indices of groups exceed the threshold
keep_index = []
for ix in group_count.index:
keep_index.extend(df.query(f'attr_1=="{ix[0]}" & attr_2=="{ix[1]}"').index.values)
# filter dataframe
output_df = df[df.index.isin(keep_index)]
您可以使用 groupby + filter，并在 filter lambda 中为组提供标量条件：
df.groupby(['attr_1', 'attr_2']).filter(lambda g: g['count'].sum() >= min_count)
account attr_1 attr_2 count
0 ABC X1 Y1 25
1 DEF X1 Y1 100
2 ABC X2 Y2 150
3 DEF X2 Y2 0
或使用groupby + transform创建与原始数据框兼容的过滤条件：
df[df.groupby(['attr_1', 'attr_2'])['count'].transform('sum').ge(min_count)]
account attr_1 attr_2 count
0 ABC X1 Y1 25
1 DEF X1 Y1 100
2 ABC X2 Y2 150
3 DEF X2 Y2 0