我有一個像這樣的熊貓資料框 df：
| ID | 重量 | 一種 |
|---|---|---|
| 一種 | 0.15 | 1 |
| 一種 | 0.25 | 3 |
| 一種 | 0.02 | 2 |
| 一種 | 0.07 | 3 |
| b | 0.01 | 1 |
| b | 0.025 | 5 |
| b | 0.07 | 7 |
| b | 0.06 | 4 |
| b | 0.12 | 2 |
我想洗掉基于 ID 列和重量百分比列的行，這樣對于 df['ID'] = a，有四行。但是，如果我想保留至少 80%（它可以變化）的權重，我必須只保留權重為 0.15 和 0.25 的行（81.6%，每當添加權重超過 80% 時，其余行具有相同的“ID”將被洗掉）。
運行后df會變成這樣：
| ID | 重量 | 一種 |
|---|---|---|
| 一種 | 0.15 | 1 |
| 一種 | 0.25 | 3 |
| b | 0.07 | 7 |
| b | 0.06 | 4 |
| b | 0.12 | 2 |
uj5u.com熱心網友回復：
假設您需要每個 ID 的最高權重，但只保留剛剛超過 0.8 閾值的權重：
(df.sort_values('Weight', ascending=False)
.groupby('ID', group_keys=False)
.apply(lambda g: g[(g.Weight.cumsum() / g.Weight.sum()).lt(0.8).shift(fill_value=True)]))
ID Weight A
1 a 0.25 3
0 a 0.15 1
8 b 0.12 2
6 b 0.07 7
7 b 0.06 4
我們首先Weight按降序排序，然后分組ID并計算我們與閾值比較的累積權重百分比。請注意，我們改變了條件，以便我們保留第一個超過閾值的值，如問題中所示。
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/427747.html