熊猫应用多个大于和小于按特定列对行进行分组

Question

我正在基于一个原始熊猫数据框创建 3 个熊猫数据框。我计算了与标准的标准偏差。

 #Mean
stats_over_29000_mean = stats_over_29000['count'].mean().astype(int)

152542

 #STDS
stats_over_29000_count_between_std = stats_over_29000_std - stats_over_29000_mean

54313

 stats_over_29000_first_std = stats_over_29000_mean + stats_over_29000_count_between_std

206855

 stats_over_29000_second_std = stats_over_29000_first_std + stats_over_29000_count_between_std

261168

 stats_over_29000_third_std = stats_over_29000_second_std + stats_over_29000_count_between_std

315481

这适用于从 2 个标准下的 df 获取所有行

#Select all rows where count is less than 2 standard deviations
stats_under_2_stds = stats_over_29000[stats_over_29000['count'] < stats_over_29000_second_std]

接下来我想从 df 中选择 >=2 stds 且小于 3 stds 的所有行

我努力了：

 stats_2_and_over_under_3_stds = stats_over_29000[stats_over_29000['count'] >= stats_over_29000_second_std < stats_over_29000_third_std]

和

stats_2_and_over_under_3_stds = stats_over_29000[stats_over_29000['count'] >= stats_over_29000_second_std && < stats_over_29000_third_std]

但似乎都不起作用。

原文由 sectechguy 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

这是使用 2 个条件过滤 df 的方式：

• 初始化 df = pd.DataFrame([[1,2],[1,3],[1,5],[1,8]],columns=['A','B'])
• 操作： res = df[(df['B']<8) & (df['B']>2)]
• 结果 ：

      A  B
  1  1  3
  2  1  5

在你的情况下：

 stats_2_and_over_under_3_stds = stats_over_29000[(stats_over_29000['count'] >= stats_over_29000_second_std) & (stats_over_29000['count'] < stats_over_29000_third_std)]

原文由 Etienne Herlaut 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

Pandas 现在有 Series.between(left, right, inclusive=True) ，它允许同时 进行两个比较。

在你的情况下：

 stats_2_and_over_under_3_stds = \
  stats_over_29000[(stats_over_29000['count'].between(
  stats_over_29000_second_std, stats_over_29000_third_std)]

原文由 Sylvain 发布，翻译遵循 CC BY-SA 4.0 许可协议