在'pandas'中获取一个变量相对于另一个变量为True的比例

Question

我有一个数据表（dataframe），里面有一列叫'A'，还有一列是布尔值（也就是只有真和假）叫'B'。我想找出'A'列中那些行的值，前提是至少有n行的'B'列是True。

我想到的最接近的方法是

df.query('B == True')['A'].value_counts()

然后看看这些数字，找出哪些大于n。

有没有更简洁（或者说更优雅）的方式来做到这一点呢？比如说，能不能只返回那些计数大于n的值，或者返回True的比例？

Answer 1

这听起来像是一个过滤器：

In [11]: df = pd.DataFrame([[1, True], [1, True], [2, False], [2, True]], columns=['A', 'B'])

In [12]: g = df.groupby('A')

In [13]: g.filter(lambda x: x['B'].sum() > 1)
Out[13]: 
   A     B
0  1  True
1  1  True

如果你想找出只有在这个条件为真的情况下A的值，可以使用求和的聚合方法：

In [21]: res = g.B.sum() > 1

In [22]: res[res]
Out[22]: 
A
1    True
Name: B, dtype: bool

In [23]: res[res].index
Out[23]: Int64Index([1], dtype='int64')