У меня есть dataframe с различными столбцами и хотел бы вычислить средние значения групп при условии, что каждая группа имеет минимальное количество действительных членов. Я попробовал следующее, используя groupby, filter и mean. Кажется, это работает, но мне интересно, есть ли более эффективное решение?pandas groupby: эффективная условная агрегация?
import pandas as pd
import numpy as np
df = pd.DataFrame({'id' : ['one', 'one', 'two', 'three', 'two',
'two', 'two', 'one', 'three', 'one'],
'idprop' : [1., 1., 2., 3., 2., # property corresponding to id
2., 2., 1., 3., 1.],
'x' : np.random.randn(10),
'y' : np.random.randn(10)})
# set a couple of x values to nan
s = df['x'].values
s[s < -0.6] = np.nan
df['x'] = s
g = df.groupby('id', sort=False)
# filter out small group(s) with less than 3 valid values in x
# result is a new dataframe
dff = g.filter(lambda d: d['x'].count() >= 3)
# this means we must group again to obtain the mean value of each filtered group
result = dff.groupby('id').mean()
print result
print type(result)
Существует связанный вопрос на how to get multiple conditional operations after a Pandas groupby?, который, однако, только «фильтры» по значениям строк не по числу элементов группы. Переустроенные в мой код, это будет:
res2 = g.agg({'x': lambda d: df.loc[d.index, 'x'][d >= -0.6].sum()})
В качестве побочного вопроса: существует ли более эффективный способ, чтобы установить значения выше или ниже заданного порогового значения для NaN? Мой мозг искривился, когда я попробовал это, используя loc.
Ответьте на свой вопрос: 'df.loc [df ['x'] <-0.6, 'x'] = np.nan' – IanS
У меня возникает соблазн сказать, что' df.filter (...) .groupby ('id'). mean() '- самый эффективный способ получить то, что вы хотите. – jonchar