Pandas 上的 SQL "GROUP BY HAVING"相当于什么？

Question

在熊猫中使用 GroupBy 并并行应用过滤器的最有效方法是什么？

基本上我要求在SQL中的等效项

select *
...
group by col_name
having condition

我认为有许多用例，包括条件均值、总和、条件概率等，这将使这样的命令非常强大。

我需要非常好的性能，所以理想情况下，这样的命令不会是用 python 完成的几个分层操作的结果。

Answer 1

正如unutbu的评论中提到的，groupby的过滤器相当于SQL的

：

In [11]: df = pd.DataFrame([[1, 2], [1, 3], [5, 6]], columns=['A', 'B'])
In [12]: df
Out[12]:
   A  B
0  1  2
1  1  3
2  5  6
In [13]: g = df.groupby('A')  #  GROUP BY A
In [14]: g.filter(lambda x: len(x) > 1)  #  HAVING COUNT(*) > 1
Out[14]:
   A  B
0  1  2
1  1  3

您可以编写更复杂的函数（这些函数应用于每个组），前提是它们返回一个普通的 ol' bool：

In [15]: g.filter(lambda x: x['B'].sum() == 5)
Out[15]:
   A  B
0  1  2
1  1  3

注意：可能存在一个错误，您无法编写函数来操作您用于分组的列...解决方法是手动按列分组，即 g = df.groupby(df['A'])) .

Answer 2

我按州和县分组，其中最大值大于 20，然后使用数据帧 loc 子查询 True 的结果值

counties=df.groupby(['state','county'])['field1'].max()>20
counties=counties.loc[counties.values==True]