Pandas GroupBy-删除少于2个项目的组

Question

我有一个ID的Pandas DataFrame，我将其按5列分组。

希望获得仅包含2个或更多ID的组的输出。或者至少，按ID的数量排序(降序(。

for key, item in grouped:
print(key)
print(item['ID'])
print()

为了获得一长串键及其ID，我想知道是否需要在其中加入某种size((命令来实现所需的输出？

正在寻找这样的输出：

('Met', 59.0, 0.0, 0.0, 196.0, 66.0)
702     510000261554
1184    510000247456
Name: ID, dtype: int64

非常新的编码，所以非常感谢任何帮助！

Answer 1

根据我的理解，您有一个数据集：

print(df)
| id | length | width | material | ... |
+----+--------+-------+----------+-----+
| 1  | 100    | 50    | plastic  | ... |
| 1  | 100    | 50    | plastic  | ... |
| 2  | 100    | 50    | wood     | ... |
| 2  | 100    | 100   | wood     | ... |

然后按id, length, width, material分组？

如果随后应用.size()，这将返回一个具有多索引的系列。然后，您可以将此系列筛选为大小大于1的行。

# Group the data
s = df.groupby(["id", "length", "width", "material"]).size()
print(s)
| (id, length, width, material) |   |
+-------------------------------+---+
| (1, 100, 50, plastic)         | 2 |
| (2, 100, 50, wood)            | 1 |
| (2, 100, 100, wood)           | 1 |

# Get all groups with more than 1 row
more_than_1_row = s[s>1]
print(more_than_1_row)
| (id, length, width, material) |   |
+-------------------------------+---+
| (1, 100, 50, plastic)         | 2 |

# Convert the Series to a DataFrame
df_more_than_1_row = more_than_1_row.reset_index()
print(df_more_than_1_row)
| id | length | width | material |   |
+----+--------+-------+----------+---+
| 1  | 100    | 50    | plastic  | 2 |

这个最终表的索引中包含了您需要的所有信息，如果您愿意，您可以在最终系列上.reset_index()来生成一个包含5列的DataFrame：id、长度、宽度、材质和包含重复数的最终列。