在熊貓數據框中查找重複值和排序的計數

Question

我有一個包含許多列的熊貓數據框，其中兩個是「電影標題」和「年齡」，我想查找平均年齡最低的前5個電影評價他們的人，但只包括具有至少100個評級的電影（因此至少出現在100行中）。

例如：

movie title  age 

Title 1   10 
Title 2   12 
Title 2   12 
Title 3   13 
Title 3   13 
Title 3   13 

應該改爲：

movie title  # of ratings  avg age 

Title 1   1     10 
Title 2   2     12 
Title 3   3     13 

它可以在相同或一個新的數據幀。謝謝你的幫助！

Answer 1

的過濾器被設置爲True如果影片數超過一百每部電影創建一個標誌否則爲假。

n = 100 
filter = (df.groupby(['movie title'])['age'] 
      .transform(lambda group: group.count()) >= n) 

鑑於您的樣本數據的體積小，我將n爲2，創造我的過濾器。

現在我只是對超過n的電影進行篩選，計算每組的平均年齡，然後取最小的五個（即最低年齡）。

>>> df[filter.values].groupby('movie title').age.mean().nsmallest(5) 
movie title 
Title 2 12 
Title 3 13 
Name: age, dtype: int64 

Answer 2

說你做

agg = df.age.groupby([df['movie title']]).agg({'ave_age': 'mean', 'size': 'size'}) 

你會得到與列ave_age和size一個數據幀。

agg[agg['size'] > 100] 

會給你只有那些有超過100個用戶。從那裏，排序agg.ave_age，並採取前5名應該是這個樣子：

agg[agg['size'] > 100].sort_values(by='ave_age', ascending=True).head(5)