条件数据框分组

Question

[我试图按月找到沃尔玛和Food Lion的均值，但下面将该组中的HEB收入数据包括在内。

df = pd.DataFrame({'date': ['1960-01-01','1960-01-01','1960-01-01','1960-02-01','1960-02-01','1960-02-01',
                            '1961-01-01','1961-01-01','1961-01-01','1961-02-01','1961-02-01','1961-02-01'],
                   'Company': ['HEB', 'Walmart', 'Food Lion','HEB', 'Walmart', 'Food Lion',
                              'HEB', 'Walmart', 'Food Lion','HEB', 'Walmart', 'Food Lion'],
                   'Revenue': [200, 800, 400, 400, 300, 600, 400, 400, 900, 900, 800, 600]})

print(df)

输出：

              date    Company  Revenue
    0   1960-01-01        HEB    200
    1   1960-01-01    Walmart    800
    2   1960-01-01  Food Lion    400
    3   1960-02-01        HEB    400
    4   1960-02-01    Walmart    300
    5   1960-02-01  Food Lion    600
    6   1961-01-01        HEB    400
    7   1961-01-01    Walmart    400
    8   1961-01-01  Food Lion    900
    9   1961-02-01        HEB    900
    10  1961-02-01    Walmart    800
    11  1961-02-01  Food Lion    600

我正在尝试不在此groupby中包含HEB数据。我该怎么做？

df.groupby('date')['Revenue'].mean()

date
1960-01-01    466.666667
1960-02-01    433.333333
1961-01-01    566.666667
1961-02-01    766.666667
Name: Value, dtype: float64

Answer 1

有几种方法可以做到这一点。也许最简单（但可能不是最有效）是从要分组的数据中简单排除“ HEB”：

df[df.Company != "HEB"].groupby("date")["Revenue"].mean()

Answer 2

要获得单个公司，您可以使用

df = df[df['Company'] == 'Walmart']

print(df)
          date    Company  Revenue
1   1960-01-01    Walmart    800
4   1960-02-01    Walmart    300
7   1961-01-01    Walmart    400
10  1961-02-01    Walmart    800

如果要排除公司，则可以使用

df = df[df['Company'] != 'HEB']

print(df)
          date    Company  Revenue
1   1960-01-01    Walmart    800
2   1960-01-01  Food Lion    400
4   1960-02-01    Walmart    300
5   1960-02-01  Food Lion    600
7   1961-01-01    Walmart    400
8   1961-01-01  Food Lion    900
10  1961-02-01    Walmart    800
11  1961-02-01  Food Lion    600