数据帧的丢弃百分比[Pandas]

Question

我有一个很长尾巴的数据集，希望只对90%的数据进行采样。在

city          score
bangkok       60
kl            20
sydney        10
melbourne     5
dhaka         5

应该是：

^{pr2}$

Answer 1

首先，对要过滤最高90%数据的值进行排序

df.sort_values('score', ascending=False, inplace=True)

然后，计算累计和并除以总数，以满足筛选条件（可以用自定义限制替换0.9）

^{pr2}$

现在df看起来像

city          score
bangkok       60
kl            20
sydney        10

Answer 2

我认为需要按sum的除法来计算分数，然后按^{}过滤，最后一个^{}来获得更好的过滤行性能：

a = 0.9
df = df[df['score'].div(df['score'].sum()) >= 1 - a].sort_values('score', ascending=False) 

或者：

^{pr2}$

---

print (df)
      city  score
0  bangkok     60
1       kl     20
2   sydney     10

细节：

print (df['score'].div(df['score'].sum()))
0    0.60
1    0.20
2    0.10
3    0.05
4    0.05
Name: score, dtype: float64