Itt egy példa:
df = pd.DataFrame({
'file': ['file1','file1','file1','file1','file2','file3','file4','file4','file4','file4'],
'text': ['Text1','Text2','Text3','Text4','Text5','Text6','Text7','Text8','Text9','Text10'],
})
El kell távolítanom azokat a sorokat, amelyek a "fájl" négyszer ismétlődnek, ezért ebben a példában el kell távolítanom azokat a sorokat, ahol a fájl = fájl1 és fájl4
Használja a GroupBy.transform az értékek csoportonkénti számának megtekintéséhez, ezért lehetséges a szűrés a következő szerint: boolean indexing:
df1 = df[df.groupby('file')['file'].transform('size') != 4]
Magyarázat: A transform használatához meg kell adni néhány oszlopot a groupby után a számláláshoz - ha a size értéket használja, akkor ugyanúgy működik, ha a DataFrame bármelyik oszlopát használja, és új oszlopot (Series) ad vissza, ugyanolyan méretű, mint az eredeti DataFrame, számlálással kitöltve:
print (df.groupby('file')['file'].transform('size'))
0 4
1 4
2 4
3 4
4 1
5 1
6 4
7 4
8 4
9 4
Name: file, dtype: int64
Vagy használja a DataFrameGroupBy.filter - a teljesítménynek lassabbnak kell lennie, ha nagy adatmennyiség:
df1 = df.groupby('file').filter(lambda x: len(x) != 4)
Vagy Series.map az Series.value_counts:
df1 = df[df['file'].map(df['file'].value_counts()) != 4]
print (df)
file text
4 file2 Text5
5 file3 Text6
GroupBy és transform használata:
df[df.groupby('file').text.transform('size').ne(4)]
file text
4 file2 Text5
5 file3 Text6
