Вопрос по dataframe, python – Преобразование объекта Pandas GroupBy в DataFrame

357

Я начинаю с таких входных данных

df1 = pandas.DataFrame( { 
    "Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] , 
    "City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"] } )

Который при печати выглядит так:

   City     Name
0   Seattle    Alice
1   Seattle      Bob
2  Portland  Mallory
3   Seattle  Mallory
4   Seattle      Bob
5  Portland  Mallory

Группировка достаточно проста:

g1 = df1.groupby( [ "Name", "City"] ).count()

и печать даетGroupBy объект:

                  City  Name
Name    City
Alice   Seattle      1     1
Bob     Seattle      2     2
Mallory Portland     2     2
        Seattle      1     1

Но в конечном итоге мне нужен еще один объект DataFrame, который содержит все строки в объекте GroupBy. Другими словами, я хочу получить следующий результат:

                  City  Name
Name    City
Alice   Seattle      1     1
Bob     Seattle      2     2
Mallory Portland     2     2
Mallory Seattle      1     1

Я не совсем понимаю, как это сделать, в документации для панд. Любые намеки приветствуются.

@matanster Я согласен, однако мне было только интересно узнать, для чего вы на самом деле искали ответ, так что это привело вас сюда. coldspeed
@matanster могу ли я спросить, что вы пришли сюда, чтобы узнать ответ? Мы можем подумать о том, чтобы написать более точный ответ и направить пользователей & apos; внимание с комментарием под вопросом. coldspeed
Название вопроса вводит в заблуждение относительно принятого ответа. matanster
@coldspeed Это просто типичная проблема с SO, названия вопросов позволяют значительно отличаться от содержания вопроса и ответов. Если бы мета не была такой враждебной, это, вероятно, было бы полезным для обсуждения. matanster
Помимо вопроса: какую версию панд вы используете? Если выполнить первые 2 команды, я получаю g1 какEmpty DataFrame Columns: [] Index: [(Alice, Seattle), (Bob, Seattle), (Mallory, Portland), (Mallory, Seattle)] Tim

Ваш Ответ

8   ответов
5

я неправильно понял вопрос, но если вы хотите преобразовать группу обратно в фрейм данных, вы можете использовать .to_frame (). Когда я это сделал, я хотел сбросить индекс, поэтому я включил и эту часть.

пример кода не имеет отношения к вопросу

df = df['TIME'].groupby(df['Name']).min()
df = df.to_frame()
df = df.reset_index(level=['Name',"TIME"])
11

import pandas as pd

grouped_df = df1.groupby( [ "Name&q,uot;, "City"] )

pd.DataFrame(grouped_df.size().reset_index(name = "Group_Count"))

Здесь grouped_df.size () получает уникальный счетчик групповых операций, а метод reset_index () сбрасывает имя столбца, которым вы хотите его видеть. Наконец, вызывается функция pandas Dataframe () для создания объекта DataFrame.

Проверьте метод .to_frame (): grouped_df.size (). To_frame ("Group_Count")
3

almo_grp_data = pd.DataFrame({'Qty_cnt' :
almo_slt_models_data.groupby( ['orderDate','Item','State Abv']
          )['Qty'].sum()}).reset_index()
5

import numpy as np
import pandas as pd

df1 = pd.DataFrame({ 
    "Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] , 
    "City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"]})

df1['City_count'] = 1
df1['Name_count'] = 1

df1.groupby(['Name', 'City'], as_index=False).count()
2

df1.reset_index().groupby( [ "Name", "City"],as_index=False ).count()
1

потому что я делал несколько агрегаций. Вот пример вывода моего сгруппированного по тому, что я хотел преобразовать в фрейм данных:

Groupby Output

Поскольку я хотел большего, чем число, предоставляемое reset_index (), я написал ручной метод для преобразования изображения выше в кадр данных. Я понимаю, что это не самый питонский / панда способ сделать это, поскольку он довольно многословный и явный, но это было все, что мне было нужно. По сути, используйте метод reset_index (), описанный выше, чтобы запустить «scaffolding». фрейм данных, затем выполните цикл по групповым парам в сгруппированном фрейме данных, извлеките индексы, выполните расчеты с несгруппированным фреймом данных и установите значение в новом агрегированном фрейме данных.

df_grouped = df[['Salary Basis', 'Job Title', 'Hourly Rate', 'Male Count', 'Female Count']]
df_grouped = df_grouped.groupby(['Salary Basis', 'Job Title'], as_index=False)

# Grouped gives us the indices we want for each grouping
# We cannot convert a groupedby object back to a dataframe, so we need to do it manually
# Create a new dataframe to work against
df_aggregated = df_grouped.size().to_frame('Total Count').reset_index()
df_aggregated['Male Count'] = 0
df_aggregated['Female Count'] = 0
df_aggregated['Job Rate'] = 0

def manualAggregations(indices_array):
    temp_df = df.iloc[indices_array]
    return {
        'Male Count': temp_df['Male Count'].sum(),
        'Female Count': temp_df['Female Count'].sum(),
        'Job Rate': temp_df['Hourly Rate'].max()
    }

for name, group in df_grouped:
    ix = df_grouped.indices[name]
    calcDict = manualAggregations(ix)

    for key in calcDict:
        #Salary Basis, Job Title
        columns = list(name)
        df_aggregated.loc[(df_aggregated['Salary Basis'] == columns[0]) & 
                          (df_aggregated['Job Title'] == columns[1]), key] = calcDict[key]

Если словарь вам не подходит, вычисления могут применяться внутри строки в цикле for:

    df_aggregated['Male Count'].loc[(df_aggregated['Salary Basis'] == columns[0]) & 
                                (df_aggregated['Job Title'] == columns[1])] = df['Male Count'].iloc[ix].sum()
Не могли бы вы поделиться набором данных, который вы использовали для своего решения? Большое спасибо!
93

данный Уэсом, потому что для версии 0.16.2 требуетсяas_index=False, Если вы не установите его, вы получите пустой фрейм данных.

Источник:

Aggregation functions will not return the groups that you are aggregating over if they are named columns, when as_index=True, the default. The grouped columns will be the indices of the returned object.

Passing as_index=False will return the groups that you are aggregating over, if they are named columns.

Aggregating functions are ones that reduce the dimension of the returned objects, for example: mean, sum, size, count, std, var, sem, describe, first, last, nth, min, max. This is what happens when you do for example DataFrame.sum() and get back a Series.

nth can act as a reducer or a filter, see here.

import pandas as pd

df1 = pd.DataFrame({"Name":["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"],
                    "City":["Seattle","Seattle","Portland","Seattle","Seattle","Portland"]})
print df1
#
#       City     Name
#0   Seattle    Alice
#1   Seattle      Bob
#2  Portland  Mallory
#3   Seattle  Mallory
#4   Seattle      Bob
#5  Portland  Mallory
#
g1 = df1.groupby(["Name", "City"], as_index=False).count()
print g1
#
#                  City  Name
#Name    City
#Alice   Seattle      1     1
#Bob     Seattle      2     2
#Mallory Portland     2     2
#        Seattle      1     1
#

РЕДАКТИРОВАТЬ:

В версии0.17.1 и позже вы можете использоватьsubset вcount а такжеreset_index с параметромname вsize:

print df1.groupby(["Name", "City"], as_index=False ).count()
#IndexError: list index out of range

print df1.groupby(["Name", "City"]).count()
#Empty DataFrame
#Columns: []
#Index: [(Alice, Seattle), (Bob, Seattle), (Mallory, Portland), (Mallory, Seattle)]

print df1.groupby(["Name", "City"])[['Name','City']].count()
#                  Name  City
#Name    City                
#Alice   Seattle      1     1
#Bob     Seattle      2     2
#Mallory Portland     2     2
#        Seattle      1     1

print df1.groupby(["Name", "City"]).size().reset_index(name='count')
#      Name      City  count
#0    Alice   Seattle      1
#1      Bob   Seattle      2
#2  Mallory  Portland      2
#3  Mallory   Seattle      1

Разница междуcount а такжеsize в том, чтоsize считает значения NaN в то время какcount не.

Я думаю, что это самый простой способ - один вкладыш, который использует тот приятный факт, что вы можете назвать столбец серии с помощью reset_index:df1.groupby( [ "Name", "City"]).size().reset_index(name="count")
Я не уверен, но, кажется, есть только 2 столбца иgroupby по этим столбцам. Но я не уверен, потому что я не разработчик панд.
Есть ли причина, почемуas_index=False' stopped working in latest versions? I also tried to run df1.groupby (["Имя", "Город"], as_index = False) .size () `но это не влияет на результат (возможно, потому что результат группировкиSeries неDataFrame
410

g1 Вотis DataFrame. Он имеет иерархический индекс, хотя:

Out[19]: pandas.core.frame.DataFrame

In [20]: g1.index
Out[20]: 
MultiIndex([('Alice', 'Seattle'), ('Bob', 'Seattle'), ('Mallory', 'Portland'),
       ('Mallory', 'Seattle')], dtype=object)

Возможно, вы хотите что-то подобное?

In [21]: g1.add_suffix('_Count').reset_index()
Out[21]: 
      Name      City  City_Count  Name_Count
0    Alice   Seattle           1           1
1      Bob   Seattle           2           2
2  Mallory  Portland           2           2
3  Mallory   Seattle           1           1

Или что-то вроде:

In [36]: DataFrame({'count' : df1.groupby( [ "Name", "City"] ).size()}).reset_index()
Out[36]: 
      Name      City  count
0    Alice   Seattle      1
1      Bob   Seattle      2
2  Mallory  Portland      2
3  Mallory   Seattle      1
Второй пример с использованием.reset_index() мне кажется, это лучший способ присоединиться к выходу, который вы получите отdf.groupby('some_column').apply(your_custom_func), Это было не интуитивно для меня.
Вы могли бы использовать:df1.groupby( [ "Name", "City"] ).size().to_frame(name = 'count').reset_index()
Это также верно в Python 3? Я нахожу групповую функцию, возвращающуюpandas.core.groupby.DataFrameGroupBy объект, а неpandas.core.frame.DataFrame.
reset.index() делает работу, отлично!
Зачемadd_suffix хоть?

Похожие вопросы