我有一個多索引 df：
這個 df 概述了某人通過網站的路徑，sid是會話，vid是訪問者 ID，pid是網頁，ts是他們登陸網站的時間
pid ts
sid vid
1 A page1 t1
A page2 t2
A page3 t3
A page4 t4
A page5 t5
2 B page1 t4
3 C page1 t5
C page2 t6
有些用戶的 pid 路徑長得可笑（1000 ），我想這可能是一個錯誤。但是，當我轉置/旋轉這些資料時，轉置需要很長時間，因為有幾條路徑太長了。
所以我想取pid每個會話的平均值( sid) 并施加一些閾值，在某個數字之后的每個會話（例如平均值）它會洗掉這些行。所以高于每個會話的平均行數是 (5 1 2)/3 = 8/3
現在我有了平均值，我可以對等于 3 的行數施加閾值，那么 df 將如下所示：
pid ts
sid vid
1 A page1 t1
A page2 t2
A page3 t3
2 B page1 t4
3 C page1 t5
C page2 t6
關于如何做到這一點的任何想法？
uj5u.com熱心網友回復：
使用head：
thresh = int(np.ceil(df.groupby('sid').size().mean()))
df.groupby(['sid','vid']).head(thresh)
輸出：
pid ts
sid vid
1 A page1 t1
A page2 t2
A page3 t3
2 B page1 t4
3 C page1 t5
C page2 t6
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/343421.html
上一篇：將資料幀與Pandas合并
下一篇：將list-likes傳遞給.loc或[]帶有任何缺失的標簽將在未來引發KeyError，您可以使用.reindex()作為替代