groupby 后出现 Pandas 键错误

Question

我想在对数据帧进行分组后过滤它，但收到一个关键错误，这里是一些示例代码：

df = pd.DataFrame([
                [0, 1, 'm', 5.0], [0, 1, 'm', -7.0],[0, 1, 'm', 9.0],[0, 1, 'm', 32.0],[0, 1, 'm', -11.0],
                [0, 6, 'm', -12.0], [0, 6, 'm', 15.0],[0, 6, 'm', -16.0],[0, 6, 'm', -3.0],[0, 6, 'm', 21.0],
                [0, 12, 'm', 15.0], [0, 12, 'm', 51.0],[0, 12, 'm', 4.0],[0, 12, 'm', 3.0],[0, 12, 'm', 1.0],
                [1, 1, 'm', 5.0], [1, 1, 'm', -7.0],[1, 1, 'm', 9.0],[1, 1, 'm', 32.0],[1, 1, 'm', -11.0],
                [1, 6, 'm', -12.0], [1, 6, 'm', 15.0],[1, 6, 'm', -16.0],[1, 6, 'm', -3.0],[1, 6, 'm', 21.0],
                [1, 12, 'm', 15.0], [1, 12, 'm', 51.0],[1, 12, 'm', 4.0],[1, 12, 'm', 3.0],[1, 12, 'm', 1.0]
                ],
                columns=['id', 'timeperiod', 'timeperiodtype', 'value'])
df['good'] = df['value'].apply(lambda x: 1 if x>0 else 0)
print(df)
print(df[df['timeperiod']>6])

df = df[['id', 'timeperiod','timeperiodtype','good']][df['timeperiod']>0].groupby(['id','timeperiod','timeperiodtype']).mean()

print(df[df['timeperiod']>6])

我想避免使用reset_index，因为在最终代码中我将有几个形状相似的数据帧，我将对其进行聚合/合并/连接。

我确信我一定错过了一些明显的东西。

如何使用列名称来过滤分组数据框？

Answer 1

使用

DataFrame.loc

按条件和列名称进行过滤，然后为了避免

MultiIndex

添加

DataFrame.reset_index

或参数

as_index=False

:

df = df.loc[df['timeperiod']>0, ['id', 'timeperiod','timeperiodtype','good']].groupby(['id','timeperiod','timeperiodtype']).mean().reset_index()

或者：

df = df.loc[df['timeperiod']>0, ['id', 'timeperiod','timeperiodtype','good']].groupby(['id','timeperiod','timeperiodtype'], as_index=False).mean()

---

print(df)
   id  timeperiod timeperiodtype  good
0   0           1              m   0.6
1   0           6              m   0.4
2   0          12              m   1.0
3   1           1              m   0.6
4   1           6              m   0.4
5   1          12              m   1.0

print(df[df['timeperiod']>6])
   id  timeperiod timeperiodtype  good
2   0          12              m   1.0
5   1          12              m   1.0

编辑：

对于

MuiltiIndex

中的过滤器可以使用

Index.get_level_values

:

df = df.loc[df['timeperiod']>0, ['id', 'timeperiod','timeperiodtype','good']].groupby(['id','timeperiod','timeperiodtype']).mean()
print(df)
                              good
id timeperiod timeperiodtype      
0  1          m                0.6
   6          m                0.4
   12         m                1.0
1  1          m                0.6
   6          m                0.4
   12         m                1.0
   
print(df[df.index.get_level_values('timeperiod')>6])
                              good
id timeperiod timeperiodtype      
0  12         m                1.0
1  12         m                1.0