パンダ発生箇所

Question

の数に基づいて、新しいデータフレーム、私が唯一の最も発生した行を含む新しいデータフレームを作成したい：

私のコードは以下の通りです：取得する2つのファイルから

import pandas as pd 

f1=pd.read_csv('FILE1.csv') 
f2=pd.read_csv('FILE2.csv') 
df_all = f2.merge(f1, how='left', on='Symbol') 
df_sort = df_all.sort_values(by=['Symbol','Date'], ascending=[True,True]) 
df_sort=df_sort.dropna() 
df_cnt=df_sort['Symbol'].value_counts() 

元データdf_allにマージ：

In[1]: f1 

Out[2]: 
    Symbol Weight 
0 IBM  0.2 
1  GE  0.3 
2 AAPL  0.4 
3 XOM  0.1 

In[2]: f2 

Out[3]: 
     Date Symbol ClosingPrice 
0 3/1/2010 IBM  116.51 
1 3/2/2010 IBM  117.32 
2 3/3/2010 IBM  116.40 
3 3/4/2010 IBM  116.58 
4 3/5/2010 IBM  117.61 
5 3/1/2010  GE   45.00 
6 3/2/2010  GE   43.50 
7 3/3/2010  GE   46.00 
8 3/1/2010 AAPL   85.07 
9 3/2/2010 AAPL   85.10 
10 3/3/2010 AAPL   86.20 
11 3/4/2010 AAPL   84.93 
12 3/5/2010 AAPL   84.80 
13 3/1/2010 XOM   98.15 
14 3/2/2010 XOM   99.00 
15 3/3/2010 XOM   98.23 
16 3/4/2010 XOM   97.56 
17 3/1/2010 MSFT   99.00 
18 3/2/2010 MSFT   98.00 
19 3/3/2010 MSFT   97.00 
20 3/4/2010 MSFT   98.00 
21 3/5/2010 MSFT   97.00 

In[4]:df_all 

Out[4]: 
     Date  Symbol ClosingPrice Weight 
0 3/1/2010 IBM  116.51  0.2 
1 3/2/2010 IBM  117.32  0.2 
2 3/3/2010 IBM  116.40  0.2 
3 3/4/2010 IBM  116.58  0.2 
4 3/5/2010 IBM  117.61  0.2 
5 3/1/2010  GE   45.00  0.3 
6 3/2/2010  GE   43.50  0.3 
7 3/3/2010  GE   46.00  0.3 
8 3/1/2010 AAPL   85.07  0.4 
9 3/2/2010 AAPL   85.10  0.4 
10 3/3/2010 AAPL   86.20  0.4 
11 3/4/2010 AAPL   84.93  0.4 
12 3/5/2010 AAPL   84.80  0.4 
13 3/1/2010 XOM   98.15  0.1 
14 3/2/2010 XOM   99.00  0.1 
15 3/3/2010 XOM   98.23  0.1 
16 3/4/2010 XOM   97.56  0.1 
17 3/1/2010 MSFT   99.00  NaN 
18 3/2/2010 MSFT   98.00  NaN 
19 3/3/2010 MSFT   97.00  NaN 
20 3/4/2010 MSFT   98.00  NaN 
21 3/5/2010 MSFT   97.00  NaN 

私はその後除去NaN値を使用してデータを並べ替える：

In[5]: df_sort 

Out[5]: 
     Date Symbol ClosingPrice Weight 
8 3/1/2010 AAPL   85.07  0.4 
9 3/2/2010 AAPL   85.10  0.4 
10 3/3/2010 AAPL   86.20  0.4 
11 3/4/2010 AAPL   84.93  0.4 
12 3/5/2010 AAPL   84.80  0.4 
5 3/1/2010  GE   45.00  0.3 
6 3/2/2010  GE   43.50  0.3 
7 3/3/2010  GE   46.00  0.3 
0 3/1/2010 IBM  116.51  0.2 
1 3/2/2010 IBM  117.32  0.2 
2 3/3/2010 IBM  116.40  0.2 
3 3/4/2010 IBM  116.58  0.2 
4 3/5/2010 IBM  117.61  0.2 
13 3/1/2010 XOM   98.15  0.1 
14 3/2/2010 XOM   99.00  0.1 
15 3/3/2010 XOM   98.23  0.1 
16 3/4/2010 XOM   97.56  0.1 

私はその後、私は出現数があるデータのみが含まれていdf_final新しいデータフレームを、作成方法のよう立ち往生しています。この時点で、各シンボル

In[6]: df_cnt 

Out[6]: 
AAPL 5 
IBM  5 
XOM  4 
GE  3 
Name: Symbol, dtype: int64 

の発生回数の合計を決定最大数で。 。この場合には5

私の最後のデータフレームは、次のようになります。

 Date Symbol ClosingPrice Weight 
    3/1/2010 AAPL   85.07  0.4 
    3/2/2010 AAPL   85.10  0.4 
    3/3/2010 AAPL   86.20  0.4 
    3/4/2010 AAPL   84.93  0.4 
    3/5/2010 AAPL   84.80  0.4 
    3/1/2010 IBM  116.51  0.2 
    3/2/2010 IBM  117.32  0.2 
    3/3/2010 IBM  116.40  0.2 
    3/4/2010 IBM  116.58  0.2 
    3/5/2010 IBM  117.61  0.2 

Answer 1

あなたはdf_sortから最大df_cntからグループサイズとフィルタ行でSymbolを見つけることができます。

df_sort[df_sort.Symbol.isin(df_cnt.index[df_cnt == df_cnt.max()])] 

#  Date Symbol ClosingPrice Weight 
# 8 3/1/2010  AAPL   85.07 0.4 
# 9 3/2/2010  AAPL   85.10 0.4 
#10 3/3/2010  AAPL   86.20 0.4 
#11 3/4/2010  AAPL   84.93 0.4 
#12 3/5/2010  AAPL   84.80 0.4 
# 0 3/1/2010  IBM  116.51 0.2 
# 1 3/2/2010  IBM  117.32 0.2 
# 2 3/3/2010  IBM  116.40 0.2 
# 3 3/4/2010  IBM  116.58 0.2 
# 4 3/5/2010  IBM  117.61 0.2 

Answer 2

あなたは試みることができる

df_sort[df_sort.Symbol.isin(df_cnt[df_cnt >= df_cnt.max()].index)] 

• df_cnt.max()は、df_cntの最大値です。

• df_cnt[df_cnt >= df_cnt.max()].indexは、カウントが少なくとも最大値であったすべてのアイテムのインデックスです。

• Symbolカラムのエントリが結果に含まれているかどうかを確認してください。

Answer 3

この目的でmapを使用できます。

df_sort[df_sort['Symbol'].map(df_cnt==df_cnt.max())] 

     Date Symbol ClosingPrice Weight 
8 3/1/2010 AAPL   85.07  0.4 
9 3/2/2010 AAPL   85.10  0.4 
10 3/3/2010 AAPL   86.20  0.4 
11 3/4/2010 AAPL   84.93  0.4 
12 3/5/2010 AAPL   84.80  0.4 
0 3/1/2010 IBM  116.51  0.2 
1 3/2/2010 IBM  117.32  0.2 
2 3/3/2010 IBM  116.40  0.2 
3 3/4/2010 IBM  116.58  0.2 
4 3/5/2010 IBM  117.61  0.2