我有一個這樣的資料框
country data_fingerprint organization
US 111 Tesco
UK 222 IBM
US 111 Yahoo
PY 333 Tesco
US 111 Boeing
CN 333 TCS
NE 458 Yahoo
UK 678 Tesco
我想要那些 data_fingerprint 用于具有前 2 個計數的組織和國家/地區存在的位置
因此，如果在組織中看到前 2 名出現在 Tesco、Yahoo和我們有 US、UK 的國家/地區。
因此，基于 data_fingerprint 的輸出應該有
data_fingerprint
111
678
我試圖讓組織存在于我的完整資料框中的是這個
# First find top 2 occurances of organization
nd = df['organization'].value_counts().groupby(level=0, group_keys=False).head(2)
# Then checking if the organization exist in the complete dataframe and filtering those rows
new = df["organization"].isin(nd)
但我在這里沒有得到任何資料。一旦我得到資料，我就可以和國家一起做。有人可以幫我得到輸出。我的資料較少，所以使用 Pandas
uj5u.com熱心網友回復：
這是一種方法
df[
df['organization'].isin(df['organization'].value_counts().head(2).index) &
df['country'].isin(df['country'].value_counts().head(2).index)
]['data_fingerprint'].unique()
array([111, 678], dtype=int64)
uj5u.com熱心網友回復：
注釋代碼
# find top 2 most occurring country and organization
i1 = df['country'].value_counts().index[:2]
i2 = df['organization'].value_counts().index[:2]
# Create boolean mask to select the rows having top 2 country and org.
mask = df['country'].isin(i1) & df['organization'].isin(i2)
# filter the rows using the mask and drop dupes in data_fingerprint
df.loc[mask, ['data_fingerprint']].drop_duplicates()
結果
data_fingerprint
0 111
7 678
uj5u.com熱心網友回復：
你可以做
# First find top 2 occurances of organization
nd = df['organization'].value_counts().head(2).index
# Then checking if the organization exist in the complete dataframe and filtering those rows
new = df["organization"].isin(nd)
輸出——只剩下樂購和雅虎了
df[new]
country data_fingerprint organization
0 US 111 Tesco
2 US 111 Yahoo
3 PY 333 Tesco
6 NE 458 Yahoo
7 UK 678 Tesco
你可以為country
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/505754.html