Skip to main content
 首页 » 编程设计

python之根据分组删除条目

2025年02月15日9cmt

我有一个看起来像这样的数据集:

venue_id,latitude,longitude,venue_category,country_code,user_id,uct_time,time_offset 
4af833a6f964a5205a0b22e3,13.693775,100.751152,Airport,TH,4337,Tue Apr 03 20:35:48 +0000 2012,420 
4af833a6f964a5205a0b22e3,13.693775,100.751152,Airport,TH,101773,Tue Apr 03 20:46:53 +0000 2012,420 
4af833a6f964a5205a0b22e3,13.693775,100.751152,Airport,TH,105093,Tue Apr 03 22:39:56 +0000 2012,420 
4af833a6f964a5205a0b22e3,13.693775,100.751152,Airport,TH,58835,Tue Apr 03 22:54:52 +0000 2012,420 
.... 

我需要删除出现次数少于 100 次的 venue_id。

我试过使用下面的代码:

joined = joined[joined.groupby("venue_id").venue_id.transform(len) >= 100] 

灵感来自 ID 为 13446480 的问题的答案。

问题是它给了我以下错误:

AttributeError: 'DataFrameGroupBy' object has no attribute 'venue_id' 

请记住,我是 Pandas 的新手,我想学习,所以如果你能给出一些解释,我将不胜感激。

干杯,

丹

请您参考如下方法:

第一列好像是索引,求助reset_index .

所以需要:

joined = joined.reset_index() 
joined = joined[joined.groupby("venue_id")['venue_id'].transform(len) >= 100] 

如果第一列是索引并且不需要reset_index,对我来说也适用:

joined = joined[joined.groupby("venue_id").transform(len) >= 100] 

如果不使用最新版本的 pandas (0.20.1),则有必要添加一些列:

joined = joined[joined.groupby(level="venue_id")['latitude'].transform(len) >= 100] 

编辑1:

Faster将 size 用作 len。

joined = joined[joined.groupby("venue_id")['latitude'].transform('size') >= 100]