在Pandas中保留同一ID出现超过n次的行，并转换为每个ID的list

Question

我有一个DataFrame如下：

     VID  value
1     1    xx
2     2    xx1
3     2    xx2
4     2    xx3
5     2    xx4
6     3    xx
7     3    xx
8     3    xx
9     4    zz1
10    4    zz2
11    4    zz3
12    4    zz4
13    4    zz5

我只想保留那些VID存在于n=3以上的行。在上面的示例中，我只保留第2-5行和第9-13行（因为只有VID2和4出现了3次以上）。“值”字段不相关。在

在保留了所需的行之后，我希望将数据转换为列表列表，同时在每个列表的末尾附加一个“end”值：

^{pr2}$

没有for循环就可以得到上面的结果吗？在

Answer 1

您可以按VID列分组，然后计算每个组的计数。然后在这之后，使用它来索引原始的df，以便只获取计数大于3的行。示例-

countdf = df.groupby('VID').count()
result = df.loc[df['VID'].isin(countdf[countdf['value'] > 3].index)]

演示-

^{pr2}$

---

然后，您可以再次基于VID分组，然后将这些分组转换为list，然后再转换为list，例如-

resultlist = result.groupby('VID')['value'].apply(list).tolist()

演示-

In [54]: result = df.loc[df['VID'].isin(countdf[countdf['value'] > 3].index)]

In [55]: result.groupby('VID')['value'].apply(list).tolist()
Out[55]: [['xx1', 'xx2', 'xx3', 'xx4'], ['zz1', 'zz2', 'zz3', 'zz4', 'zz5']]

---

请注意，上面不会给你列表中的'end'值，我猜这是没有必要的，但是如果你真的想要，你可以在得到列表后手动添加它。示例-

resultlist = [elem + ['end'] for elem in resultlist]