通過Pandas Group查找每個組的一半

Question

我需要使用groupby來選擇數據幀的一半，其中每個組的大小是未知的，並且可能隨組的不同而變化。 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

組從尺寸groupyby('participant_id')是10，7，9為participant_id 13，14，15分別。 我需要的只是每組的第一半（或樓板數（N / 2））。

根據我對Pandas groupby經驗（非常有限），應該是這樣的：

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

其中k_i是每組大小的一半。 有找到k_i的簡單解決方案嗎？

Answer 1

IIUC，您可以在lambda內部使用大小為// 2的索引切片：

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

輸出：

                    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分組，並使用transform方法檢查其索引是否在前半部分。 這將創建一個布爾系列。 然后使用此布爾系列過濾掉原始數據框。

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