Условия на мутлииндекс + данные

У меня есть следующий фрейм данных, который я группирую, чтобы получить мультииндексный фрейм данных:

    In[33]: df = pd.DataFrame([[0, 'foo', 5], [0, 'foo', 7], [1, 'foo', 4], [1, 'bar', 5], [1, 'foo', 6], [1, 'bar', 2], [2, 'bar', 3]], columns=['id', 'foobar', 'A'])
In[34]: df
Out[34]: 
   id foobar  A
0   0    foo  5
1   0    foo  7
2   1    foo  4
3   1    bar  5
4   1    foo  6
5   1    bar  2
6   2    bar  3
In[35]: df.groupby(['id', 'foobar']).size()
Out[35]: 
id  foobar
0   foo       2
1   bar       2
    foo       2
2   bar       1
dtype: int64

Я хочу получить строки в «id», где количество «foo»> = 2 И количество «bar»> = 2, поэтому в основном получаем:

   foobar  A
id          
1     bar  2
      foo  2

Но я немного не понимаю, как мне сформулировать эти условия с помощью мультииндекса?

edit: это не является избыточным с Как фильтровать даты в мультииндексном фрейме данных, поскольку я не работаю с датами, и мне нужны условия для количества конкретных значений в моем Dataframe.

Возможный дубликат Как фильтровать даты в мультииндексном фрейме данных

sophros 22.11.2018 17:45
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
1
37
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Используя all после unstack, затем выберите тот, который вам нужен, stack обратно

new=df.groupby(['id', 'foobar']).size().unstack(fill_value=0)
new[new.ge(2).all(1)].stack()
id  foobar
1   bar       2
    foo       2
dtype: int64

Другие вопросы по теме