Python Pandas 返回值计数高于设定数字的数据帧

Question

>我有一个熊猫数据帧，并且仅当该客户编号出现超过设定的次数时，我才希望返回数据帧。

下面是数据帧的示例：

114  2017-04-26      1       7507       34      13
115  2017-04-26      3      77314       41      14
116  2017-04-27      7       4525      190     315
117  2017-04-27      7       5525       67      94
118  2017-04-27      1       6525       43     378
119  2017-04-27      3       7415       38      27
120  2017-04-27      2       7613       47      10
121  2017-04-27      2      77314        9       3
122  2017-04-28      1        227       17       4
123  2017-04-28      8       4525      205     341
124  2017-04-28      1       7415       31      20
125  2017-04-28      2      77314        8       2

如果该客户出现超过 5 次，请使用以下代码：

print(zip_data_df['Customers'].value_counts()>5)
7415      True
4525      True
5525      True
77314     True
6525      True
4111      True
227       True
206      False
7507     False
7613     False
4108     False
3046     False
2605     False
4139     False
4119     False

现在我期望如果我这样做：

print(zip_data_df[zip_data_df['Customers'].value_counts()>5])

它会向我显示出现超过 5 次的客户的完整数据帧，但我得到了布尔错误。我意识到为什么它现在给我一个错误：一个数据帧只是告诉我该客户编号是否出现超过 5 次，而另一个数据帧每次出现客户编号时都会显示我。它们的长度不匹配。但是，如何获取它，以便数据帧仅返回该客户出现超过 5 次的记录？

我确信我忽略了一些简单的答案，但我感谢您能为我提供的任何帮助。

Answer 1

所以这里的问题是索引：value_counts(( 返回一个在"客户"上索引的系列，而zip_data_df似乎在其他东西上索引。您可以执行以下操作：

cust_counts = zip_data_df['Customers'].value_counts().rename('cust_counts')
zip_data_df = zip_data_df.merge(cust_counts.to_frame(),
                                left_on='Customers',
                                right_index=True)

从那里，您可以从zip_data_df有条件地选择，如下所示：

zip_data_df[zip_data_df.cust_counts > 5]

Answer 2

我遇到了类似的问题，并以这种方式解决了它。

cust_counts = zip_data_df['Customers'].value_counts()
cust_list = cust_counts[cust_counts > 5].index.tolist()
zip_data_df = zip_data_df[zip_data_df['Customers'].isin(cust_list)]

Answer 3

我相信

你要找的是：

zip_data_df['Customers'].value_counts()[zip_data_df['Customers'].value_counts()>5]

Answer 4

你可以在这里用

一个方便的小groupby转换来完成工作

subset_customers_df = zip_data_df[
          zip_data_df.groupby('Customers')
         ['Customers'].transform('size')>5]

适用于熊猫 0.25.3

Answer 5

# create the boolean series 
s1 = pd.series(zip_data_df['Customers'].value_counts()) 
 # select rows that are greater than 5
result = [i for i,j in zip(s1.index,s1.value) if j>5]
 # select rows based values in the result list 
zip_data_df[zip_data_df.Customers.isin(result)]

这对我有用，虽然写这么长的代码很蹩脚，但它比一行更容易理解

Answer 6

没有尝试过，但这应该有效：

cust_by_size = zip_data_df.groupBy("Customers").size()
cust_index_gt_5 = cust_by_size.index[cust_by_size > 5]
zip_data_cust_index_gt_5 = zip_data_df[zip_data_df["Customers"].isin(cust_index_gt_5)]