7

我需要使用 选择数据框的一半groupby，其中每个组的大小是未知的，并且可能因组而异。例如：

       index  summary  participant_id
0     130599     17.0              13
1     130601     18.0              13
2     130603     16.0              13
3     130605     15.0              13
4     130607     15.0              13
5     130609     16.0              13
6     130611     17.0              13
7     130613     15.0              13
8     130615     17.0              13
9     130617     17.0              13
10     86789     12.0              14
11     86791      8.0              14
12     86793     21.0              14
13     86795     19.0              14
14     86797     20.0              14
15     86799      9.0              14
16     86801     10.0              14
20    107370      1.0              15
21    107372      2.0              15
22    107374      2.0              15
23    107376      4.0              15
24    107378      4.0              15
25    107380      7.0              15
26    107382      6.0              15
27    107597      NaN              15
28    107384     14.0              15

组的大小分别groupyby('participant_id')为10、7、9 和participant_id13、14、15。我需要的是只取每组的前一半（或地板（N/2））。

根据我对 Pandas 的（非常有限的）经验groupby，它应该是这样的：

df.groupby('participant_id')[['summary','participant_id']].apply(lambda x: x[:k_i])

其中k_i是每组大小的一半。是否有一个简单的解决方案来找到k_i？

4

2 回答 2

8

IIUC，您可以在 lambda 内使用大小为 //2 的索引切片：

df.groupby('participant_id').apply(lambda x: x.iloc[:x.participant_id.size//2])

输出：

                    index  summary  participant_id
participant_id                                    
13             0   130599     17.0              13
               1   130601     18.0              13
               2   130603     16.0              13
               3   130605     15.0              13
               4   130607     15.0              13
14             10   86789     12.0              14
               11   86791      8.0              14
               12   86793     21.0              14
15             20  107370      1.0              15
               21  107372      2.0              15
               22  107374      2.0              15
               23  107376      4.0              15
于 2017-06-27T19:54:17.050 回答
3

您可以通过participant_id该方法分组并检查其索引是否在前半部分transform。这将创建一个布尔系列。然后使用此布尔系列过滤掉您的原始数据框。

criteria = df.groupby('participant_id')['participant_id']\
             .transform(lambda x:  np.arange(len(x)) < int(len(x) / 2))
df[criteria]

     index  summary  participant_id
0   130599     17.0              13
1   130601     18.0              13
2   130603     16.0              13
3   130605     15.0              13
4   130607     15.0              13
10   86789     12.0              14
11   86791      8.0              14
12   86793     21.0              14
20  107370      1.0              15
21  107372      2.0              15
22  107374      2.0              15
23  107376      4.0              15
于 2017-06-27T19:54:05.293 回答