如何在value_counts上对pandas数据框进行子集化？

Question

我有以下pandas数据帧

import pandas as pd
df = pd.read_csv("filename1.csv")

df
    column1  column2   column3
0        10       A          1
1        15       A          1
2        19       B          1
3      5071       B          0
4      5891       B          0
5      3210       B          0
6        12       B          2
7        13       C          2
8        20       C          0
9         5       C          3
10        9       C          3

现在，使用函数value_counts()将给出特定列中每个值的计数，例如

df.column3.value_counts()

1   3
2   2
3   2

但是，我想根据给定列中的值的数量对pandas数据帧进行子集化。 例如，在上面的数据帧df ，我想在具有3个或更多唯一值（不包括0）的行上进行子集化。 在这种情况下，结果数据帧将是

df
    column1  column2   column3
0        10       A          1
1        15       A          1
2        19       B          1

由于行的值2和3只有两行，即2，3只出现两次column3 。 大熊猫的做法是什么？

Answer 1

你可以使用groupby.filter ; 在过滤器中，为每个组构造一个唯一的布尔值来过滤数据框：

df.groupby("column3").filter(lambda g: (g.name != 0) and (g.column3.size >= 3))

另一个选择可能是：

df[(df.column3 != 0) & (df.groupby("column3").column3.transform("size") >= 3)]

Answer 2

或者您可以在分组之前过滤掉零：

 df1[df1['column3'] != 0].groupby("column3").filter(lambda x: x['column3'].size >= 3 )

Answer 3

替代方案：

In [132]: cnt = df.column3.value_counts()

In [133]: cnt
Out[133]:
0    4
1    3
3    2
2    2
Name: column3, dtype: int64

In [134]: v = cnt[(cnt.index != 0) & (cnt >= 3)].index.values

In [135]: v
Out[135]: array([1], dtype=int64)

In [136]: df.query("column3 in @v")
Out[136]:
   column1 column2  column3
0       10       A        1
1       15       A        1
2       19       B        1