使用熊貓過濾最常見的因素

Question

假設我有一個數據集與熊貓因素，我有因素'A'到'Z'，並假設因素'A'，'B'和'C'有30個觀察，其餘的只有5個。在這個數據框中還有其他列，但我只關心這一列的因素（我們稱之爲factor1）。

我和熊貓一起使用什麼操作來過濾這個數據框，以便數據框中的唯一行是那些其觀察因子超過20的因子？如果我想在數據框中輸入factor1的前3個最常用因子，我可以使用什麼操作？

編輯： 這裏有一組有限的代碼

data = {'factor1':['A','A','A', 'B', 'B', 'B', 'C','C', 'D'], 'factor2':['apple','apple','apple','apple','apple','apple','orange','orange','orange'], 'response':range(9)} 
df = pandas.DataFrame(data) 

如何過濾df使factor1有具有的頻率大於5（或正或任何真正的3件最流行的因素或因素）

Answer 1

嘗試此的3件最流行的因素：

N = 3 
handy = df.groupby('factor1')['factor1'].count() 
handy.sort('factor1',ascending=False) 
topNFactors = handy.head(N) 
print topNFactors 

dataOfTopNFactors = df[df['factor1'].map(lambda x: x in topNFactors)] 
print dataOfTopNFactors 

或者嘗試一下本作頻率至少2的因素：

M = 2 
handy = df.groupby('factor1')['factor1'].count() 
minimumValueMFactors = handy[handy>=M] 
dataOfMinimumValueMFactors = df[df['factor1'].isin(minimumValueMFactors.index)] 
print dataOfMinimumValueMFactors