從熊貓數據框的列中選擇前50％的百分比名稱

Question

我有一個像這樣的熊貓數據框。 行和列具有相同的名稱。

name a  b  c  d  e  f  g 
 a   10 5  4  8  5  6  4
 b   5  10 6  5  4  3  3
 c   -  4  9  3  6  5  7
 d   6  9  8  6  6  8  2
 e   8  5  4  4  14 9  6
 f   3  3  -  4  5  14 7
 g   4  5  8  9  6  7  10

我可以通過傳遞df ['column_name']。nlargest（n = 5）來獲得5個最大值，但是如果我必須按降序返回最大值的50％，那么熊貓中是否內置了任何東西？必須為其編寫一個函數，如何獲得它們？ 我是python的新手。 請幫幫我。

更新：因此，我們將a列考慮在內，它具有10、5，-，6、8、3和4之類的值。我必須將它們全部加起來，以獲得前50％的值。 因此，在這種情況下，總數為36。這些值的50％為18。因此，從a列中，我只想選擇10和8。 同樣，我想瀏覽所有其他列並選擇50％。

Answer 1

排序很靈活:)

df.sort_values('column_name',ascending=False).head(int(df.shape[0]*.5))

更新： frac參數僅在.sample（）上可用，而在.head或.tail中不可用。 df.sample（frac = .5）的確給出了50％，但頭和尾僅期望int。 df.head（frac = .5）失敗並出現TypeError：head（）得到了意外的關鍵字參數'frac'

注意：關於int（）vs round（）

int(3.X) == 3 # True Where 0 >= X >=9 
round(3.45) == 3 # True
round(3.5) == 4 # True

因此，在執行.head（int / round ...）時，請考慮一下適合您需要的行為。

更新：要求

因此，讓我們考慮a列，它具有10、5，-，6、8、3和4之類的值。我必須將它們全部加起來並獲得前50％的值。 因此，在這種情況下，總數為36。這些值的50％為18。因此，從a列中，我只想選擇10和8。 同樣，我想瀏覽所有其他列並選擇50％。 -馬特

一個愚蠢的辦法是進行排序，查找累積和，將其除以總和來找到中間值，然后使用它來選擇已排序列的一部分。 例如

import pandas as pd

data = pd.read_csv(
pd.compat.StringIO("""name a b c d e f g 
a 10 5 4 8 5 6 4
b 5 10 6 5 4 3 3
c - 4 9 3 6 5 7
d 6 9 8 6 6 8 2
e 8 5 4 4 14 9 6
f 3 3 - 4 5 14 7
g 4 5 8 9 6 7 10"""), 
sep=' ', index_col='name'
).dropna(axis=1).apply(
pd.to_numeric, errors='coerce', downcast='signed')

x = data[['a']].sort_values(by='a',ascending=False)[(data[['a']].sort_values(by='a',ascending=False).cumsum()
                                                 /data[['a']].sort_values(by='a',ascending=False).sum())<=.5].dropna()
print(x)

結果：

Answer 2

您可以對數據框進行排序，僅顯示90％的數據

df.sort_values('column_name',ascending=False).head(round(0.9*len(df)))

Answer 3

data.csv

name,a,b,c,d,e,f,g
a,10,5,4,8,5,6,4
b,5,10,6,5,4,3,3
c,-,4,9,3,6,5,7
d,6,9,8,6,6,8,2
e,8,5,4,4,14,9,6
f,3,3,-,4,5,14,7
g,4,5,8,9,6,7,10

test.py

#!/bin/python

import pandas as pd

def percentageOfList(l, p):
    return l[0:int(len(l) * p)]

df = pd.read_csv('data.csv')
print(percentageOfList(df.sort_values('b', ascending=False)['b'], 0.9))