我有一个多级groupby，它从我的数据帧返回每个分组的分组行数。它将在没有标签的新列中显示。我正在尝试过滤不等于6的计数。我尝试为此创建一个True / False索引，但是我不知道如何从索引中获取结果。我也尝试过过滤器和lambda组合，但没有成功。
这是代码，其中人员，WL（波长），文件和阈值是我的数据帧（df_new）中的列。
df_new.groupby([df_new['Person'], df_new['WL'], df_new['File'],
df_new['Threshold']])['RevNum'].count()
我返回了计数列表，但是，这是我所能得到的。我无法弄清楚如何仅查看不等于6的记录。
例如，在结果的底部，有以下条目：
656 TRW-2017-04-25_60_584 0 5
更大的结果示例：
Person WL File Threshold
AEM 440 AEM-2018-05-23_11_440 0 6
1 6
AEM-2018-05-23_50_440 0 6
1 6
452 AEM-2018-05-23_11_440 0 6
1 6
AEM-2018-05-23_50_440 0 6
1 6
464 AEM-2018-05-23_11_440 0 6
1 6
AEM-2018-05-23_50_440 0 6
1 6
476 AEM-2018-05-23_11_440 0 6
1 6
AEM-2018-05-23_50_440 0 6
1 6
488 AEM-2018-05-23_11_440 0 6
1 6
AEM-2018-05-23_50_440 0 6
1 6
AGC 440 AGC-2018-05-25_12_440 0 6
1 6
AGC-2018-05-25_50_440 0 6
1 6
452 AGC-2018-05-25_12_440 0 6
1 6
AGC-2018-05-25_50_440 0 6
1 6
464 AGC-2018-05-25_12_440 0 6
1 6
..
TRW 620 TRW-2017-04-08_60_572 0 6
1 6
632 TRW-2017-04-25_60_584 0 6
1 6
644 TRW-2017-04-08_60_572 0 6
1 6
656 TRW-2017-04-25_60_584 0 5
1 6
TRW-2017-04-25_60_656 0 6
1 6
当我将代码更改为：
df_counts = df_new.groupby([df_new['Person'], df_new['WL'], df_new['File'],
df_new['Threshold']])['RevNum'].count()
它将其存储为系列而不是数据帧，并且我无法使用值（groupby的计数结果）访问最后一列。
当我尝试：
df_counts_grouped = df_new.groupby([df_new['Person'], df_new['WL'],
df_new['File'], df_new['Threshold']])['RevNum'].count()
df_counts_grouped.filter(lambda x: x['B'].max() != 6)
我尝试了.max，.min，.count等。
它表示“功能”对象不可迭代。 相信系列不是可迭代的吗？ 感谢筛选我的groupby结果的任何帮助。
如果我可以将groupby的结果放入一个新的数据框中并重命名结果的“ count”列，则可以访问它。不确定如何将带有计数的groupby结果发送到新的数据框。另外，我不确定如何使用结果仅从第一个数据框中选择适当的行，因为它是原始数据框中许多行的计数。
在进行任何分组依据之前，数据帧看起来都是这样的。
File Threshold StepSize RevNum WL RevPos BkgdLt Person Date AbRevPos ExpNum EarlyEnd
48 AEM-2018-05-23_11_440 1 1.50 7.0 464 -2.07 11 AEM 2018-05-23 2.07 Two NaN
49 AEM-2018-05-23_11_440 1 0.82 8.0 464 -3.57 11 AEM 2018-05-23 3.57 Two NaN
50 AEM-2018-05-23_11_440 1 1.50 7.0 488 -2.58 11 AEM 2018-05-23 2.58 Two NaN
54 AEM-2018-05-23_11_440 1 0.82 8.0 488 -5.58 11 AEM 2018-05-23 5.58 Two NaN
55 AEM-2018-05-23_11_440 1 1.50 7.0 440 -3.00 11 AEM 2018-05-23 3.00 Two NaN
<class 'pandas.core.frame.DataFrame'>
Int64Index: 3286 entries, 48 to 7839
Data columns (total 12 columns):
File 3286 non-null object
Threshold 3286 non-null int64
StepSize 3286 non-null float64
RevNum 3286 non-null float64
WL 3286 non-null int64
RevPos 3286 non-null float64
BkgdLt 3286 non-null int32
Person 3286 non-null object
Date 3286 non-null datetime64[ns]
AbRevPos 3286 non-null float64
ExpNum 3286 non-null object
EarlyEnd 0 non-null float64
dtypes: datetime64[ns](1), float64(5), int32(1), int64(2), object(3)
memory usage: 320.9+ KB
此代码：
df_counts_grouped = df_new.groupby([df_new['Person'], df_new['WL'], df_new['File'], df_new['Threshold']])['RevNum'].count()
df_counts_grouped.head(10)
产生此输出：
Person WL File Threshold
AEM 440 AEM-2018-05-23_11_440 0 6
1 6
AEM-2018-05-23_50_440 0 6
1 6
452 AEM-2018-05-23_11_440 0 6
1 6
AEM-2018-05-23_50_440 0 6
1 6
464 AEM-2018-05-23_11_440 0 6
1 6
Name: RevNum, dtype: int64
我找到了我的问题的答案的开始，这就是语法。它在于Pandas系列和Pandas DataFrames之间的区别！
df_new.groupby('Person')['WL'].count() # produces Pandas Series
df_new.groupby('Person')[['WL']].count() # Produces Pandas DataFrame
发现于：https://shanelynn.ie/summarising-aggregation-and-grouping-data-in-python-pandas/
答案 0 :(得分：1)
我为您创建了一个简短的完整且可验证的示例：
In [1]: import pandas as pd
In [2]: df = pd.DataFrame({'Letter':['a', 'b']*2, 'Number':[1]*3+[2]})
In [3]: df
Out[3]:
Letter Number
0 a 1
1 b 1
2 a 1
3 b 2
In [4]: df.groupby(['Letter', 'Number'])['Number'].count()
Out[4]:
Letter Number
a 1 2
b 1 1
2 1
Name: Number, dtype: int64
In [5]: grouped_counts = df.groupby(['Letter', 'Number'])['Number'].count()
In [6]: type(grouped_counts)
Out[6]: pandas.core.series.Series
如您所见，最大计数为2，所以让我们过滤计数低于2的所有组。
In [7]: grouped_counts.loc[grouped_counts<2]
Out[7]:
Letter Number
b 1 1
2 1
答案 1 :(得分：0)
我知道了！从Series更改为DataFrame是一个非常简单的语法问题！
df_new.groupby('Person')['WL'].count() # produces Pandas Series
df_new.groupby('Person')[['WL']].count() # Produces Pandas DataFrame
发现于：https://shanelynn.ie/summarising-aggregation-and-grouping-data-in-python-pandas/
我的代码现在看起来像这样，我只能取回反转编号（RevNum）不为6的条目。
df_counts_grouped = df_new.groupby([df_new['Person'], df_new['WL'], df_new['File'], df_new['Threshold']])[['RevNum']].count()
df_counts_grouped[df_counts_grouped['RevNum'] != 6]
“ RevNum”周围的单个括号中的简单变化：
df_counts_grouped = df_new.groupby([df_new['Person'], df_new['WL'], df_new['File'], df_new['Threshold']])['RevNum'].count()
要在我的列标签“ RevNum”两边加上括号：
df_counts_grouped = df_new.groupby([df_new['Person'], df_new['WL'], df_new['File'], df_new['Threshold']])[['RevNum']].count()
修复所有问题！