通过Pandas Group查找每个组的一半

Question

我需要使用groupby来选择数据帧的一半，其中每个组的大小是未知的，并且可能随组的不同而变化。 例如：

       index  summary  participant_id
0     130599     17.0              13
1     130601     18.0              13
2     130603     16.0              13
3     130605     15.0              13
4     130607     15.0              13
5     130609     16.0              13
6     130611     17.0              13
7     130613     15.0              13
8     130615     17.0              13
9     130617     17.0              13
10     86789     12.0              14
11     86791      8.0              14
12     86793     21.0              14
13     86795     19.0              14
14     86797     20.0              14
15     86799      9.0              14
16     86801     10.0              14
20    107370      1.0              15
21    107372      2.0              15
22    107374      2.0              15
23    107376      4.0              15
24    107378      4.0              15
25    107380      7.0              15
26    107382      6.0              15
27    107597      NaN              15
28    107384     14.0              15

组从尺寸groupyby('participant_id')是10，7，9为participant_id 13，14，15分别。 我需要的只是每组的第一半（或楼板数（N / 2））。

根据我对Pandas groupby经验（非常有限），应该是这样的：

df.groupby('participant_id')[['summary','participant_id']].apply(lambda x: x[:k_i])

其中k_i是每组大小的一半。 有找到k_i的简单解决方案吗？

Answer 1

IIUC，您可以在lambda内部使用大小为// 2的索引切片：

df.groupby('participant_id').apply(lambda x: x.iloc[:x.participant_id.size//2])

输出：

                    index  summary  participant_id
participant_id                                    
13             0   130599     17.0              13
               1   130601     18.0              13
               2   130603     16.0              13
               3   130605     15.0              13
               4   130607     15.0              13
14             10   86789     12.0              14
               11   86791      8.0              14
               12   86793     21.0              14
15             20  107370      1.0              15
               21  107372      2.0              15
               22  107374      2.0              15
               23  107376      4.0              15

Answer 2

您可以按participant_id ID分组，并使用transform方法检查其索引是否在前半部分。 这将创建一个布尔系列。 然后使用此布尔系列过滤掉原始数据框。

criteria = df.groupby('participant_id')['participant_id']\
             .transform(lambda x:  np.arange(len(x)) < int(len(x) / 2))
df[criteria]

     index  summary  participant_id
0   130599     17.0              13
1   130601     18.0              13
2   130603     16.0              13
3   130605     15.0              13
4   130607     15.0              13
10   86789     12.0              14
11   86791      8.0              14
12   86793     21.0              14
20  107370      1.0              15
21  107372      2.0              15
22  107374      2.0              15
23  107376      4.0              15