什么是SQL“GROUP BY HAVING”对Pandas的等价物？

Question

在pandas中使用groupby和并行应用过滤器的最有效方法是什么？

基本上我要的是

select *
...
group by col_name
having condition

我认为有许多用例，从条件平均数、和、条件概率等，都会使这样的命令非常强大。

我需要一个非常好的性能，所以理想情况下，这样的命令不会是在python中完成的几个分层操作的结果。

Answer 1

如联合国大学的评论所述，groupby's filter相当于SQL具有：

In [11]: df = pd.DataFrame([[1, 2], [1, 3], [5, 6]], columns=['A', 'B'])

In [12]: df
Out[12]:
   A  B
0  1  2
1  1  3
2  5  6

In [13]: g = df.groupby('A')  #  GROUP BY A

In [14]: g.filter(lambda x: len(x) > 1)  #  HAVING COUNT(*) > 1
Out[14]:
   A  B
0  1  2
1  1  3

您可以编写更复杂的函数（这些函数应用于每个组），前提是它们返回一个简单的ol'bool:

In [15]: g.filter(lambda x: x['B'].sum() == 5)
Out[15]:
   A  B
0  1  2
1  1  3

注意：potentially there is a bug在这里，您不能编写函数来对用于分组的列执行操作。。。解决方法是手动按列分组，即g = df.groupby(df['A']))。