python - 在 Pandas 中，在 groupby 之后分组的列消失了

Question

我有以下名为 ttm 的数据框:

    usersidid   clienthostid    eventSumTotal   LoginDaysSum    score
0       12          1               60              3           1728
1       11          1               240             3           1331
3       5           1               5               3           125
4       6           1               16              2           216
2       10          3               270             3           1000
5       8           3               18              2           512

当我做

ttm.groupby(['clienthostid'], as_index=False, sort=False)['LoginDaysSum'].count()

我得到了我期望的结果(尽管我希望结果位于名为“ratio”的新标签下):

       clienthostid  LoginDaysSum
0             1          4
1             3          2

但是当我这样做的时候

ttm.groupby(['clienthostid'], as_index=False, sort=False)['LoginDaysSum'].apply(lambda x: x.iloc[0] / x.iloc[1])

我得到:

0    1.0
1    1.5

1. 为什么标签不见了？我仍然还需要分组需要“clienthostid”，我还需要应用的结果也在标签下
2. 有时，当我执行 groupby 时，其他一些列仍然出现，为什么有时列会消失，有时会留下来？是否有我缺少的标志可以执行这些操作？
3. 在我给出的示例中，当我计算标签“LoginDaysSum”上显示的结果时，为什么要为结果添加一个新标签？

谢谢，

Answer 1

返回DataFrame在 groupby 之后有 2 种可能的解决方案:

1. 参数as_index=False什么适用于 count , sum , mean功能

2. reset_index 用于从 index 的级别创建新列, 更通用的解决方案

df = ttm.groupby(['clienthostid'], as_index=False, sort=False)['LoginDaysSum'].count()
print (df)
   clienthostid  LoginDaysSum
0             1             4
1             3             2

df = ttm.groupby(['clienthostid'], sort=False)['LoginDaysSum'].count().reset_index()
print (df)
   clienthostid  LoginDaysSum
0             1             4
1             3             2

---

第二个需要删除as_index=False而是添加 reset_index :

#output is `Series`
a = ttm.groupby(['clienthostid'], sort=False)['LoginDaysSum'] \
         .apply(lambda x: x.iloc[0] / x.iloc[1])
print (a)
clienthostid
1    1.0
3    1.5
Name: LoginDaysSum, dtype: float64

print (type(a))
<class 'pandas.core.series.Series'>

print (a.index)
Int64Index([1, 3], dtype='int64', name='clienthostid')


df1 = ttm.groupby(['clienthostid'], sort=False)['LoginDaysSum']
         .apply(lambda x: x.iloc[0] / x.iloc[1]).reset_index(name='ratio')
print (df1)
   clienthostid  ratio
0             1    1.0
1             3    1.5

为什么有些列不见了？

我觉得可能有问题automatic exclusion of nuisance columns :

#convert column to str
ttm.usersidid = ttm.usersidid.astype(str) + 'aa'
print (ttm)
  usersidid  clienthostid  eventSumTotal  LoginDaysSum  score
0      12aa             1             60             3   1728
1      11aa             1            240             3   1331
3       5aa             1              5             3    125
4       6aa             1             16             2    216
2      10aa             3            270             3   1000
5       8aa             3             18             2    512

#removed str column userid
a = ttm.groupby(['clienthostid'], sort=False).sum()
print (a)
              eventSumTotal  LoginDaysSum  score
clienthostid                                    
1                       321            11   3400
3                       288             5   1512

What is the difference between size and count in pandas?