这是我的df
:
NAME DEPTH A1 A2 A3 AA4 AA5 AI4 AC5 Surface
0 Ron 2800.04 8440.53 1330.99 466.77 70.19 56.79 175.96 77.83 C
1 Ron 2801.04 6084.15 997.13 383.31 64.68 51.09 154.59 73.88 C
2 Ron 2802.04 4496.09 819.93 224.12 62.18 47.61 108.25 63.86 C
3 Ben 2803.04 5766.04 927.69 228.41 65.51 49.94 106.02 62.61 L
4 Ron 2804.04 6782.89 863.88 223.79 63.68 47.69 101.95 61.83 L
... ... ... ... ... ... ... ... ... ... ...
因此,我的第一个问题在这里得到了回答:基于群组的熊猫数据帧百分位数查找
使用:
df.groupby('Surface')['DEPTH'].quantile([.1, .9])
我可以从按Surface分组的DEPTH中获得百分位数[1,.9],这就是我需要的:
Surface
C 0.1 2800.24
0.9 2801.84
L 0.1 3799.74
0.9 3960.36
N 0.1 2818.24
0.9 2972.86
P 0.1 3834.94
0.9 4001.16
Q 0.1 3970.64
0.9 3978.62
R 0.1 3946.14
0.9 4115.96
S 0.1 3902.03
0.9 4073.26
T 0.1 3858.14
0.9 4029.96
U 0.1 3583.01
0.9 3843.76
V 0.1 3286.01
0.9 3551.06
Y 0.1 2917.00
0.9 3135.86
X 0.1 3100.01
0.9 3345.76
Z 0.1 4128.56
0.9 4132.56
Name: DEPTH, dtype: float64
现在,我相信这已经是最困难的部分了。剩下的是对原始df进行子集设置,使其仅包括DEPTH
百分位数.1 & .9
之间的值。例如:"曲面"组"Z"中的DEPTH
值必须大于4128.56且小于4132.56。请注意,我再次需要df
,而不是df.groupby("Surface")
:最终的df
将完全相同,但深度在边界之外的行应该被删除。
这似乎很容易。。。有什么想法吗?谢谢
当您需要过滤组内的行时,使用groupby
+transform
将结果广播到组内的每一行,然后过滤原始DataFrame通常更简单、更快。在这种情况下,我们可以检查'DEPTH'
是否在这两个分位数之间。
示例数据
import pandas as pd
import numpy as np
np.random.seed(42)
df = pd.DataFrame({'DEPTH': np.random.normal(0,1,100),
'Surface': np.random.choice(list('abcde'), 100)})
代码
gp = df.groupby('Surface')['DEPTH']
df1 = df[df['DEPTH'].between(gp.transform('quantile', 0.1),
gp.transform('quantile', 0.9))]
为了清楚起见,这里可以看到transform
将向属于该组的每一行广播标量结果,在这种情况下由'Surface'
定义
pd.concat([df['Surface'], gp.transform('quantile', 0.1).rename('q = 0.1')], axis=1)
# Surface q = 0.1
#0 a -1.164557
#1 e -0.967809
#2 a -1.164557
#3 c -1.426986
#4 b -1.544816
#.. ... ...
#95 a -1.164557
#96 e -0.967809
#97 b -1.544816
#98 b -1.544816
#99 b -1.544816
#
#[100 rows x 2 columns]