我正在尝试根据一些聚合度量筛选数据集:我需要找到执行了5到15笔交易的UserID
,或者它们的平均付款在0到1500之间。这是我的代码:
grouped_count = dataset.groupby('UserID').size()
user_count = grouped_count[(grouped_count >= 5) & (grouped_count <= 15)]
grouped_mean = dataset.groupby('UserID').mean()
user_mean = grouped_mean[(grouped_mean['Amount'] >= 0.0) & (grouped_mean['Amount'] <= 1500.0)]
计数部分似乎很好,但我对平均部分有一些担忧:groupby().mean()
似乎运行正确,但过滤部分会生成一些行,显示NaN值,而这些行应该被丢弃。
> grouped_mean
Amount Authorized
UserID
1 64.640000 1.0
2 750.000000 1.0
3 696.762857 1.0
4 424.666667 1.0
5 446.847500 1.0
... ... ...
58504 662.950000 1.0
58505 1578.008750 1.0
58506 2990.800848 1.0
58507 71.190000 1.0
58508 20.000000 1.0
[58508 rows x 2 columns]
> user_mean
Amount Authorized
UserID
1 64.640000 1.0
2 750.000000 1.0
3 696.762857 1.0
4 424.666667 1.0
5 446.847500 1.0
... ... ...
58504 662.950000 1.0
58505 NaN 1.0
58506 NaN 1.0
58507 71.190000 1.0
58508 20.000000 1.0
[58508 rows x 2 columns]
我怎样才能得到我需要的结果?我可以添加一个user_mean = user_mean.dropna(subset='Amount')
吗?或者有更好的方法在分组和聚合后进行过滤吗?
事实上,Scott Boston在评论中的解决方案解决了这个问题。在计算平均值之前,必须选择相关列。