如何將前提條件應用於GroupBy或如何忽略GroupBy中具有一條記錄的組

Question

我有一組行，我想通過標識符的值進行分組 - 每行存在 - 然後進一步隔離處理將會是這個結果的組。

我的數據框看起來是這樣的：

In [50]: df 
Out[50]: 
    groupkey b c d e    date 
0  C1 b1 c1 d1 e1 2014-10-26 12:13:14 
1  C2 NaN c2 d2 e2 2014-11-02 12:13:14 
2  C1 b3 c3 d3 e3 2014-11-09 12:13:14 
3  C1 b4 NaN d4 e4 2014-11-16 12:13:14 
4  C3 b5 c5 d5 e5 2014-11-23 12:13:14 
5  C2 b6 c6 d6 e6 2014-11-30 12:13:14 

如果我是到組由groupkey我知道我應該在GroupBy只是工作由歸國：

>> df.groupby('groupkey') 

然而，分組之前和減少我的數據集的大小的平行目的，我想不考慮任何只有一組記錄（如果按上述方式分組）的行。

在我的例子中，這意味着應該排除4行。現在

，但在我看來，最簡單的方法來計算每組的記錄，當然會意味着第一分組，然後計算的記錄，這樣的：

>> df.groupby('groupkey').count() 

我想我可以做到這一點，然後刪除只有一條記錄的組。

1. 我不知道如何解決這個問題，而不必手動返回並刪除只有一個記錄的組。

2. 我想知道是否有一種方法可以通過某些功能進行分組，這可以讓我在分組時使用這種情況？

感謝您的幫助

Answer 1

你想filter使用的組len的groupby對象：

In [9]: 
df.groupby('groupkey').filter(lambda x: len(x) > 1) 

Out[9]: 
    groupkey b c d e    date 
0  C1 b1 c1 d1 e1 2014-10-26 12:13:14 
1  C2 NaN c2 d2 e2 2014-11-02 12:13:14 
2  C1 b3 c3 d3 e3 2014-11-09 12:13:14 
3  C1 b4 NaN d4 e4 2014-11-16 12:13:14 
5  C2 b6 c6 d6 e6 2014-11-30 12:13:14 

Answer 2

我覺得你可以先通過value_counts與map和boolean indexing過濾DataFrame：

print df.groupkey.value_counts() != 1 
C1  True 
C2  True 
C3 False 
Name: groupkey, dtype: bool 

print df.groupkey.map(df.groupkey.value_counts() != 1) 
0  True 
1  True 
2  True 
3  True 
4 False 
5  True 
Name: groupkey, dtype: bool 

print df[df.groupkey.map(df.groupkey.value_counts() != 1)] 
    groupkey b c d e     date 
0  C1 b1 c1 d1 e1 2014-10-26 12:13:14 
1  C2 NaN c2 d2 e2 2014-11-02 12:13:14 
2  C1 b3 c3 d3 e3 2014-11-09 12:13:14 
3  C1 b4 NaN d4 e4 2014-11-16 12:13:14 
5  C2 b6 c6 d6 e6 2014-11-30 12:13:14 

有趣，它是更快filter溶液（len(df)=6k）：

df = pd.concat([df]*1000).reset_index(drop=True) 

In [21]: %timeit df[df.groupkey.map(df.groupkey.value_counts() != 1)] 
1000 loops, best of 3: 1.87 ms per loop 

In [22]: %timeit df.groupby('groupkey').filter(lambda x: len(x) != 1) 
100 loops, best of 3: 2.71 ms per loop