Pandas groupby: le dimensioni di un gruppo conoscendo la sua identificazione (da .grouper.group_info [0])

Question

Nella seguente frammento data è un pandas.DataFrame e indices è un insieme di colonne della data. Dopo aver raggruppato i dati con groupby, sono interessato agli ID dei gruppi, ma solo a quelli con una dimensione maggiore di una soglia (ad esempio: 3).

group_ids=data.groupby(list(data.columns[list(indices)])).grouper.group_info[0] 

Ora, come posso trovare quale gruppo ha una dimensione maggiore o uguale a 3 conoscendo l'id del gruppo? Voglio solo id di gruppi con una certa dimensione.

#TODO: filter out ids from group_ids which correspond to groups with sizes < 3 

Answer 1

Un modo è quello di utilizzare il metodo size del groupby:

g = data.groupby(...) 
size = g.size() 
size[size > 3] 

Ad esempio, qui non c'è solo un gruppo di dimensione> 1:

In [11]: df = pd.DataFrame([[1, 2], [3, 4], [1,6]], columns=['A', 'B']) 

In [12]: df 
Out[12]: 
    A B 
0 1 2 
1 3 4 
2 1 6 

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

In [14]: size = g.size() 

In [15]: size[size > 1] 
Out[15]: 
A 
1 2 
dtype: int64 

Se tu fossi interessato a limitare il DataFrame a quelli di grandi gruppi è possibile utilizzare il metodo filter:

In [21]: g.filter(lambda x: len(x) > 1) 
Out[21]: 
    A B 
0 1 2 
2 1 6