时间戳

首页 > 解决方案 > python/pandas：根据包含同一列总和的系列更新列

python - python/pandas：根据包含同一列总和的系列更新列

问题描述

我有一个具有非唯一 col1 的数据框，如下所示

    col1    col2
0      a      1
1      a      1
2      a      2
3      b      3
4      b      3
5      c      2
6      c      2

col1 的某些值会重复很多次，而另一些则不会。我想取底部（80%/50%/10%）并在绘图之前将值更改为“其他”。

我有一个系列，其中包含 col1 中的代码（作为索引）以及它们在 df 中按降序出现的次数，方法是执行以下操作：

df2 = df.groupby(['col1']).size().sort_values(ascending=False)

我也有我的分界点（底部 80%）

cutOff = round(len(df2)/5)

当col1出现在df2系列索引中的cutOff之后，我想用值“others”更新df中的col1。

我不知道如何进行检查和更新。我认为最好的方法是在 col1 上做一个 groupby 然后循环，但它开始分崩离析，我应该创建一个新的 groupby 对象吗？还是我将其称为每行的 .apply() ？您可以更新用作数据框索引的列吗？关于如何开始，我可以提供一些帮助。

编辑添加：

因此，如果 col1 中的“b”不在 col1 中人口最多的前 20% 值中，那么我希望看到：

    col1    col2
0      a      1
1      a      1
2      a      2
3 others      3
4 others      3
5      c      2
6      c      2

标签： pythonpandasdataframenumpy

解决方案

data = [["a ", 1],
        ["a ", 1],
        ["a ", 2],
        ["b ", 3],
        ["b ", 3],
        ["c ", 2],
        ["c ", 2], ]
df = pd.DataFrame(data, columns=["col1", "col2"])
print(df)

df2 = df.groupby(['col1']).size().sort_values(ascending=False)
print(df2)

cutOff = round(len(df2) / 5)
others = df2.iloc[cutOff + 1:]
print(others)

result = df.copy()
result.loc[result["col1"].isin(others.index), "col1"] = "others"
print(result)

推荐阅读