1

我有一个要分组的数据集，然后尝试删除在特定列中没有数据的任何组。例如：

df = pd.DataFrame{'movie': ['thg', 'thg', 'mol', 'mol', 'lob', 'lob'],
                  'rating': [3., 4., 5., np.nan, np.nan, np.nan],
                  'name': ['John', np.nan, 'Terry', 'Graham', 'Eric', np.nan]}
g = df.groupby('movie')

  movie    name  rating
0   thg    John       3
1   thg     NaN       4
2   mol   Terry       5
3   mol  Graham     NaN
4   lob    Eric     NaN
5   lob     NaN     NaN

我想lob从数据集中删除该组，因为没有人对其进行评分。我试过了

mask = g['rating'].mean().isnull()
g.filter(~mask)

这给了我一个错误TypeError: 'Series' object is not callable。这有点骇人听闻，所以我也尝试过

g.filter(lambda group: group.isnull().all())

这看起来更像 Pythonic，但它给了我一个错误ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()。如何过滤掉一个组，为什么会出现这些错误？一般情况下的任何其他信息groupby也会有所帮助。我正在使用熊猫 0.12.0、Python 2.7.5 和 Mac OS X 10.8.5。

4

1 回答 1

0

如果要过滤组，可以执行以下操作：

g = df.groupby('movie').count()
g = g[g['rating']>0]

Out[14]:
          movie name rating
    movie           
    mol     2   2   1
    thg     2   1   2

或者您可以先过滤 df 然后分组

g = df[df['rating'].notnull()].groupby('movie').count()

这将影响最终评级：

Out[15]:
      movie name rating
movie           
mol     1   1   1
thg     2   1   2

因此，与上述相比，mol 的电影和名称数量较少，但评级是相同的

于 2013-09-22T22:20:59.433 回答