如何从Pandas DataFrame中筛选column2出现频次大于2的对应行

问题原因 #

你的代码存在3个错误：

• 统计维度错误：需求是统计column2的出现频次，你实际统计的是column1
• 返回值错误：你返回的是频次统计的Series对象，不是原数据集的对应行
• 变量名错误：你定义的变量是cmd_more_than_2，返回的是未定义的cmd_more_than_1

可行实现方案 #

你可以用以下两种方法实现需求：

方法1：使用groupby + transform 一步筛选

import pandas as pd

def get_cmd_more_than_2(dfb):
    # 对column2分组统计出现次数，返回和原数据长度一致的计数序列
    col2_count = dfb.groupby('column2')['column2'].transform('count')
    # 筛选出次数大于2的所有行，保留全部列
    return dfb[col2_count > 2]

dfb = get_cmd_more_than_2(dfb)

方法2：先取有效取值再过滤

import pandas as pd

def get_cmd_more_than_2(dfb):
    # 先拿到column2中出现次数大于2的所有取值
    valid_col2 = dfb['column2'].value_counts()[lambda x: x > 2].index
    # 过滤column2在有效取值范围内的行
    return dfb[dfb['column2'].isin(valid_col2)]

两种方法运行后得到的结果和你给出的预期输出完全一致：column2中xx共出现6次符合条件被保留，bb仅出现2次被过滤。

内容的提问来源于stack exchange，提问作者redplanet