如何用Pandas筛选低于自身事件平均处理量的记录

实现步骤 #

• 为每条记录匹配其所属event_name的number_of_items_processed平均值
• 基于平均值筛选符合条件的行，保留指定列

代码实现 #

假设你的数据存储在名为df的Pandas DataFrame中：

import pandas as pd

# 示例数据（替换为你的实际数据）
df = pd.DataFrame({
    "event_name": ["A", "A", "A", "B", "B", "B"],
    "date": ["2023-01-01", "2023-01-02", "2023-01-03", "2023-01-01", "2023-01-02", "2023-01-03"],
    "number_of_items_processed": [10, 20, 30, 5, 15, 25]
})

# 计算每个event_name的平均值，添加为新列
df["group_avg"] = df.groupby("event_name")["number_of_items_processed"].transform("mean")

# 筛选数值小于组平均值的记录，保留目标列
result = df[df["number_of_items_processed"] < df["group_avg"]][["event_name", "date", "number_of_items_processed"]]

# 查看结果
print(result)

示例输出 #

event_name        date  number_of_items_processed
0          A  2023-01-01                         10
3          B  2023-01-01                          5

关键说明 #

• transform("mean")：和groupby配合使用时，会将分组计算的平均值映射回原DataFrame的每一行，避免手动合并数据的麻烦。
• 最后通过列索引[["event_name", "date", "number_of_items_processed"]]直接提取需要的字段，无需额外处理。

内容的提问来源于stack exchange，提问作者Vithal Rd