大熊貓得到上述中值水平

Question

給出一個數據幀的熊貓與類別列family和數值列score組的數量，我想family誰高於（或低於）必須得到這些的數量爲家庭中位數score。

概念上的東西呢？ df.groupby('family')['score'].median().filter(lambda x: x>x.median)

任何幫助？

Answer 1

這聽起來像你正在尋找類似

df[df.score > df.groupby('family').score.transform('median')].groupby('family').count() 

Answer 2

這是你想要的嗎？通過這樣做，您可以同時在上方和下方進行操作。

df.groupby('family')['Score'].apply(lambda x : pd.Series(x>np.median(x)).value_counts()) 

樣本數據：

df = pd.DataFrame({'family': ['a','b','c']*3, 'B': ['d','e','f']*3, 'Score': [1,2,3,3,2,3,2,3,1]}) 

輸出地說：

Out[31]: 
family  
a  False 2 
     True  1 
b  False 2 
     True  1 
c  False 3 
Name: Score, dtype: int64 

獎勵：

df.groupby('family')['Score'].apply(lambda x : pd.Series(x>np.median(x)).value_counts()).\ 
     unstack().rename(columns={True:'Above_med',False:'Below_med'}) 


Out[34]: 
     Below_med Above_med 
family      
a    2.0  1.0 
b    2.0  1.0 
c    3.0  NaN 

Answer 3

你可以嘗試這樣的事：

df = pd.DataFrame({'family':['Family '+str(i) for i in np.random.choice(list('ABCD'),100)],'score':np.random.randint(40,100,100)}) 

above_avg = lambda x: (x>x.mean()).sum() 
above_avg.__name__ = 'Above Average' 
below_avg = lambda x: (x<=x.mean()).sum() 
below_avg.__name__ = 'Below Average' 
df.groupby('family')['score'].agg([above_avg, below_avg]) 

輸出：

  Above Average Below Average 
family         
Family A    9    12 
Family B    11    15 
Family C    12    12 
Family D    15    14 

Answer 4

我會使用一個數據集lambda，充分利用numpy

f = lambda x: (lambda v: np.count_nonzero(v > np.median(v)))(x.values) 
df.groupby('family').Score.apply(f)