根据配对条件过滤大熊猫

Question

我无法使用groupby条件的结果过滤数据帧。 我已经尝试使用带有isin()的掩码，但它不会仅返回配对条件。

假设我有一个如下所示的数据集：

    Dest    Origin  DepDelay
0   TPA     IAD     8.0
1   TPA     IAD     19.0
2   BWI     IND     8.0
4   BWI     IND     34.0
5   JAX     IND     25.0
6   LAS     IND     67.0
8   MCI     IND     2.0
10  MCO     IND     6.0
11  MCO     IND     94.0
... .... ... ...
7009710 ATL MSP     30.0

我想用groupby条件的结果过滤这个，我得到了所有前5条路线。 要获取我使用此代码的路线：

top_5_route = flights_df[flights_df['DepDelay'] > 0].groupby(['Origin', 'Dest'])['Dest'].size().nlargest(5).index.to_list()

top_5_route：

[('LAX', 'SFO'),
('DAL', 'HOU'),
('SFO', 'LAX'),
('ORD', 'LGA'),
('HOU', 'DAL')]

我想根据这个标签过滤这个数据帧，只得到“Origin - Dest”的配对条件。 例如，新数据帧应仅包含其中origin为LAX且Dest为SFO且其他配对条件的值。

如果我使用isin方法，数据帧也将包含值LAX - SFO ， LAX-HOU 。 这与配对条件不匹配。

谢谢！

Answer 1

IIUC，你需要过滤与你的元组列表匹配的行，使用：

df.set_index(['Dest','Origin']).loc[top_5_route].reset_index()

Answer 2

您可以创建一个名为“Route”的新列：

flights_df['Route'] = flights_df['Origin'] + '-' + flights_df['Dest']

然后按路线分组以获得前5条延迟路线

top_5_route = flights_df[flights_df['DepDelay'] > 0.0].groupby('Route').size().nlargest(5)

要过滤这些路线上的flights_df ：

flights_df[flights_df['Route'].isin(top_5_route.keys())]