使用Python中的循环一一删除数据框中列中具有最小值的观察值

Posted 2023-03-17

【中文标题】使用Python中的循环一一删除数据框中列中具有最小值的观察值

【英文标题】：Removing observation with min value in a column out of the dataframe one by one using loop in Python

【发布时间】：2021-11-12 00:26:50

【问题描述】：

我有一个如下所示的数据框“数据”：

f1	f2	f3
11	34	a
14	10	a
20	12	a
15	19	b
19	29	b
29	30	b

如果 f3 是 a，我想找到 f2 的最小值。我不想在 f3 = a 或 f3 = b 时找到 f2 的最小值。然后我想删除与数据帧中 f2 中的最小值相关联的观察。所以我有这个代码：

a_part = data[data['f3'] == 'a'
min1 = a_part['f2'].min()
min1 = data['f2'] = min1
data_new_1 = pd.dataframe(data.loc[~min1])

效果很好。现在我的数据框看起来像：

f1	f2	f3
11	34	a
20	12	a
15	19	b
19	29	b
29	30	b

但是，我想通过使用循环来一一删除 f3 = a 时 f2 的最小值和相关的观察值，并且每次都有一个新的数据帧。所以本质上 data_new_2 看起来像：

f1	f2	f3
11	34	a
15	19	b
19	29	b
29	30	b

直到 f3 中只剩下 b。我试图为它做一个循环：

for i in range(1,6):
    IN = data_new_i[['f3'] == 'a']
    min1 = a_part['f2'].min() 
    min1 = data_new_i['f2'] == min1
    vars()[data_new_i++] = pd.DataFrame(data.loc[~min1])

这不起作用。我对 Python 使用循环索引处理新数据帧名称的方式非常不熟悉。我想我必须使用 dict 来放入新的数据框，但我不知道如何从 dict 中提取数据框的列，以及如何将新的数据框保存到 dict 中。有人可以帮帮我吗？

【参考方案1】：

在我的解决方案中，输出是 DataFrames 列表。

如果f2 列中始终存在唯一值，则按已排序列的索引值循环并按最小值删除行：

out = []
data1 = data.sort_values('f2')
for i in data1.loc[data1['f3'] == 'a', 'f2'].index:
    data = data.drop(i)
    out.append(data)
print (out)
[   f1  f2 f3
0  11  34  a
2  20  12  a
3  15  19  b
4  19  29  b
5  29  30  b,    f1  f2 f3
0  11  34  a
3  15  19  b
4  19  29  b
5  29  30  b,    f1  f2 f3
3  15  19  b
4  19  29  b
5  29  30  b]

如果可能重复并需要删除所有重复项，例如在第一个循环中使用f2=10 的所有行：

print (data)
   f1  f2 f3
0  11  10  a
1  14  10  a
2  20  12  a
3  15  19  b
4  19  29  b
5  29  30  b

out = []
data1 = data.sort_values('f2')
for i, g in data1.groupby(data1.loc[data1['f3'] == 'a', 'f2']):
    data = data.drop(g.index)
    out.append(data)
print (out)
[   f1  f2 f3
2  20  12  a
3  15  19  b
4  19  29  b
5  29  30  b,    f1  f2 f3
3  15  19  b
4  19  29  b
5  29  30  b]

不是recommended，而是可以按组创建DataFrame：

data1 = data.sort_values('f2')
for j, (i, g) in enumerate(data1.groupby(data1.loc[data1['f3'] == 'a', 'f2']), 1):
    data = data.drop(g.index)
    globals()[f'data_new_j'] = data
print (data_new_1)
   f1  f2 f3
2  20  12  a
3  15  19  b
4  19  29  b
5  29  30  b

print (data_new_2)
   f1  f2 f3
3  15  19  b
4  19  29  b
5  29  30  b

【讨论】：

我明白了。太感谢了。我很快就会试试看！

请问i和g分别代表什么？ i代表f3=a的位置，g代表f2的每个唯一值块吗？

@shuu i 这里是组名，这里用于分组的值是 10 和 12，g 是组。

它有效。非常感谢:)