熊猫：按子组的出现次数过滤行

Question

我有一个包含ID，其帖子和其发布日期的数据框（四舍五入为一个月）。 日期是一个索引。 我需要筛选出每月且少于20个月内发布少于100个帖子的所有ID

数据框如下所示：

date        id  post    month_year
2017-11-01  123 text1   2017-11
2018-06-01  456 text2   2018-06
2018-06-01  789 text3   2018-09
2019-01-01  112 text4   2019-01
2019-02-01  112 text5   2019-02
2019-03-01  112 text6   2019-03
2019-06-01  112 text7   2018-09

为了按每月帖子数过滤ID，我使用了以下代码：

df.groupby(['id', 'date'], as_index=False).filter(lambda x: len(x) >= 100)

但是我不知道如何按子组中的行数进行过滤。 当我尝试仅按日期过滤时，它将计算数据框中肯定超过20的所有日期。

谢谢！

PS我对评论的支持：我需要每月至少发布100篇文章且至少连续20个月的人（我不需要连续几个月，但是如果他们连续的话，那也很好） 。 为此，我想用上面我提供的代码筛选每个月至少有100个帖子的人。 但是我不知道该如何丢弃仅发布10个月的人（即使每个月至少有100篇文章都富有成果）。

Answer 1

我认为，数据透视表比group_by更合适。

  id_month_pt = pd.pivot_table(
        df, values = 'post', index = 'id', 
        columns = 'month-year', aggfunc = 'count')
  active_months = id_month_pt >= 100
  active_month_counts = active_months.sum(1)
  active_users = active_month_counts >= 20

现在，您将拥有一个Pandas Series active_users ，其中索引是用户ID，值是布尔值，说明该用户是否有至少20个月的至少100个帖子。 然后，您可以使用该系列过滤原始数据帧。