Discussion :

[Menthix]

Bonjour,
J'ai un tableau à une colonne du style :

COL1
A
A
A
A
A
B
B
B
B
B
C
D
D
D
D
E
E

Je souhaiterais que les lettres qui apparaissent moins de 3 fois soient supprimées (en l'occurrence ici le C et les E).

J'ai essayé quelque chose comme :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

df_test = df_have[df_have.groupby('COL1').count() >= 3]

mais cela ne fonctionne pas...

Quelqu'un a une idée ? Merci d'avance !

[Sve@r]

Bonjour

Quelqu'un a une idée ? Merci d'avance !

Code python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
>>> data="aaaabbbcdefff"
>>> [x for x in data if data.count(x) >= 3]
['a', 'a', 'a', 'a', 'b', 'b', 'b', 'f', 'f', 'f']

[MPython Alaplancha]

Bonjour,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

df.groupby('col1').filter(lambda x: x.count() >= 3)

édit: modification code car copié/collé mal formé

[Menthix]

J'ai l'erreur suivante : TypeError: filter function returned a Series, but expected a scalar bool
en faisant ton code Hominidé

[MPython Alaplancha]

pourtant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
>>> import pandas as pd
>>> df_have= {'col1': ["A","A","B","B","B","B","C"]}
>>> df = pd.DataFrame(df_have)
>>> df.groupby('col1').filter(lambda x: x.count() >= 3)
  col1
2    B
3    B
4    B
5    B
>>>

[Menthix]

pourtant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
>>> import pandas as pd
>>> df_have= {'col1': ["A","A","B","B","B","B","C"]}
>>> df = pd.DataFrame(df_have)
>>> df.groupby('col1').filter(lambda x: x.count() >= 3)
  col1
2    B
3    B
4    B
5    B
>>>

Merci de ta réponse. Mon problème vient du fait que j'ai plus d'une colonne.
Imagine que l'on ait :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
df_have= {'col1': ["A","A","B","B","B","B","C"], 'col2': ["B","O","N","J","O","U","R"]}
df = pd.DataFrame(df_have)
df

Dès lors, si je reprend le code pour filtrer j'ai une erreur. Je souhaiterais à la fin avoir :
df_want= {'col1': ["B","B","B","B"], 'col2': ["N","J","O","U"]}


Merci d'avance !