У меня есть набор данных для 15000 деревень. Для 1 района есть 12 блоков / Талука. В этом районе выращивается несколько культур, я должен проверить это, посеять посевные площади для этих деревень и выбрать 10 деревень дляДля каждой культуры в случайной выборке мой первый шаг - удалить 0 посевных площадей в наборе данных, после удаления 0 посевных площадей я получаю 6674 деревни, затем я проверяю, в каком районе, в квартале / Талуке, сколькодеревни остаются, поэтому я использую сводные и групповые функции для проверки этого. После поворота я вижу, что в блоке / талуке осталось менее 10 деревень, поэтому в это время мне нужно удалить этот блок / талука, которые дают менее 10 деревень, но в следующий раз я борюсь скак получить данные с помощью функции подсчета, сводная таблица дает это только число 102,42 .... и т. д., но где я могу видеть, что фактическое название деревни данных, посевная площадь в гек и т. д. вот мой код
import pandas as pd
import numpy as np
d=pd.read_excel("/media/desktop/District.xlsx","Data")
d.drop(d.loc[d['Area in hec']==0].index, inplace=True)
d.count()
Sr no 6674
District 6674
Taluka 6674
Revenue Circle 6674
Village Name 6674
Crop 6674
Area in hec 6674
pivot = d.pivot_table(index=['Taluka','Crop'], values=['Area in hec'], aggfunc='count')
pivot=pivot.reset_index()
pivot.loc[pivot['Area in hec'] >= 10]
Taluka Crop Area in hec
0 Ahmednagar Bajra 102
2 Ahmednagar Cotton 33
3 Ahmednagar Greengram 86
4 Ahmednagar Maize 77
5 Ahmednagar Redgram 24
6 Ahmednagar Soyabean 74
7 Akole Bajra 78
8 Akole Blackgram 29
10 Akole Groundnut 162
11 Akole Maize 91
12 Akole Paddy 125
13 Akole Soyabean 129
14 Jamkhed Bajra 86
15 Jamkhed Blackgram 87
16 Jamkhed Cotton 86
17 Jamkhed Greengram 87
18 Jamkhed Groundnut 13
19 Jamkhed Maize 87
20 Jamkhed Onion 47
21 Jamkhed Redgram 87
22 Jamkhed Soyabean 65
23 Karjat Bajra 119
24 Karjat Blackgram 111
25 Karjat Cotton 106
26 Karjat Greengram 118
27 Karjat Groundnut 34
28 Karjat Maize 119
29 Karjat Onion 107
30 Karjat Redgram 103
31 Karjat Sesame(Til) 10
.. ... ... ...
63 Pathardi Groundnut 118
64 Pathardi Maize 123
65 Pathardi Onion 77
66 Pathardi Redgram 132
67 Pathardi Sesame(Til) 25
68 Pathardi Soyabean 26
70 Rahuri Bajra 44
72 Rahuri Cotton 72
73 Rahuri Greengram 20
75 Rahuri Maize 54
77 Rahuri Soyabean 60
78 Sangamner Bajra 163
80 Sangamner Cotton 39
81 Sangamner Greengram 37
82 Sangamner Groundnut 75
83 Sangamner Maize 179
84 Sangamner Redgram 46
85 Sangamner Soyabean 137
86 Shevgaon Bajra 98
88 Shevgaon Cotton 112
89 Shevgaon Greengram 31
90 Shevgaon Groundnut 41
91 Shevgaon Maize 54
92 Shevgaon Onion 31
93 Shevgaon Redgram 98
94 Shevgaon Soyabean 15
95 Shrirampur Bajra 15
96 Shrirampur Cotton 50
97 Shrirampur Maize 54
99 Shrirampur Soyabean 40
[85 rows x 3 columns]
Кроме того, я попробовал групповую функцию
Groupby=d.groupby(['Taluka', 'Crop'])['Village Name'].aggregate('count')
Groupby
Taluka Crop
Ahmednagar Bajra 102
Blackgram 3
Cotton 33
Greengram 86
Maize 77
Redgram 24
Soyabean 74
Akole Bajra 78
Blackgram 29
Greengram 9
Groundnut 162
Maize 91
Paddy 125
Soyabean 129
Jamkhed Bajra 86
Blackgram 87
Cotton 86
Greengram 87
Groundnut 13
Maize 87
Onion 47
Redgram 87
Soyabean 65
Karjat Bajra 119
Blackgram 111
Cotton 106
Greengram 118
Groundnut 34
Maize 119
Onion 107
...
Rahuri Bajra 44
Blackgram 1
Cotton 72
Greengram 20
Groundnut 8
Maize 54
Redgram 7
Soyabean 60
Sangamner Bajra 163
Blackgram 7
Cotton 39
Greengram 37
Groundnut 75
Maize 179
Redgram 46
Soyabean 137
Shevgaon Bajra 98
Blackgram 9
Cotton 112
Greengram 31
Groundnut 41
Maize 54
Onion 31
Redgram 98
Soyabean 15
Shrirampur Bajra 15
Cotton 50
Maize 54
Redgram 4
Soyabean 40
Name: Village Name, dtype: int64
. Теперь мне нужны эти данные, т.е. список из 102 деревень для блока Ахмеднагара для урожая баджры, 33 деревни для блока Ахмеднагара / талука для урожая хлопка .. и т.д.
Любая помощь поможет мне решить эту проблему, спасибо