Преобразование объекта Pandas GroupBy в фрейм данных
Я начинаю с входных данных, как это
df1 = pandas.DataFrame( {
"Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] ,
"City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"] } )
который при печати появляется следующим образом:
City Name
0 Seattle Alice
1 Seattle Bob
2 Portland Mallory
3 Seattle Mallory
4 Seattle Bob
5 Portland Mallory
группировка достаточно прост:
g1 = df1.groupby( [ "Name", "City"] ).count()
и дает печать
8 ответов
g1
здесь is таблицы данных. Однако он имеет иерархический индекс:
In [19]: type(g1)
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
я хочу немного изменить ответ, данный Wes, потому что версия 0.16.2 требует as_index=False
. Если вы не установите его, вы получите пустой фрейм данных.
функции агрегирования не будут возвращать группы, которые вы агрегируете, если они называются столбцами, когда
as_index=True
по умолчанию. Сгруппированные столбцы будут индексами возвращаемого объекта.передает
as_index=False
вернет группы, которые вы агрегируются, если они называются столбцами.агрегирующие функции-это те, которые уменьшают размерность возвращаемых объектов, например:
mean
,sum
,size
,count
,std
,var
,sem
,describe
,first
,last
,nth
,min
,max
. Вот что происходит, когда вы делаете, напримерDataFrame.sum()
иSeries
.нтх может подействовать как редуктор или фильтр, видит здесь.
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
#
EDIT:
в версии 0.17.1
и позже вы можете использовать subset
на count
и reset_index
с параметром name
на size
:
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
разницу между count
и size
это size
подсчитывает значения NaN в то время как count
нет.
просто, это должно выполнить задачу:
import pandas as pd
grouped_df = df1.groupby( [ "Name", "City"] )
pd.DataFrame(grouped_df.size().reset_index(name = "Group_Count"))
здесь, grouped_df.size() извлекает уникальный счетчик groupby, а метод reset_index () сбрасывает имя столбца, которым вы хотите его видеть. Наконец, функция pandas Dataframe () вызывается для создания объекта DataFrame.
Я обнаружил, что это сработало для меня.
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()
возможно, я неправильно понял вопрос, но если вы хотите преобразовать groupby обратно в фрейм данных, вы можете использовать .to_frame (). Я хотел сбросить индекс, когда я это сделал, поэтому я включил эту часть.
пример кода, не связанного с вопросом
df = df['TIME'].groupby(df['Name']).min()
df = df.to_frame()
df = df.reset_index(level=['Name',"TIME"])
Я агрегировал с qty мудрые данные и хранить в dataframe
almo_grp_data = pd.DataFrame({'Qty_cnt' :
almo_slt_models_data.groupby( ['orderDate','Item','State Abv']
)['Qty'].sum()}).reset_index()
ниже Решение может быть проще:
df1.reset_index().groupby( [ "Name", "City"],as_index=False ).count()
эти решения только частично работали для меня, потому что я делал несколько агрегаций. Вот пример вывода моего сгруппированного по тому, что я хотел преобразовать в фрейм данных:
поскольку я хотел больше, чем количество, предоставленное reset_index (), я написал ручной метод преобразования изображения выше в фрейм данных. Я понимаю, что это не самый питонический / панды способ сделать это, как это довольно многословно и явно, но это было все, что я необходимый. В принципе, используйте метод reset_index (), описанный выше, чтобы запустить фрейм данных "леса", затем выполните цикл через групповые пары в сгруппированном фрейме данных, извлеките индексы, выполните вычисления против негруппированного фрейма 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 не ваша вещь, вычисления могут быть применены 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()