python - 按数据框中的对象属性分组

Question

我有一个简单的类(class):

class Person:

    def __init__(self, name: str, age: int):
        self.name = name
        self.age = age

    def __repr__(self):
        return f'{self.name} [{self.age} yrs old]'

我用它来存储 pandas 数据框中的 Person 实例列表，如下所示:

import pandas as pd

people = []
people.append(Person(name='alex', age=20))
people.append(Person(name='daisy', age=20))
people.append(Person(name='john', age=30))
people.append(Person(name='alex', age=40))
cities = ['London', 'Edinburgh', 'London', 'Edinburgh']
data = dict(people=people, cities=cities)
df = pd.DataFrame(data, columns=data.keys())

有没有办法按people.age对data_frame进行分组，例如？

编辑

做这样的事情:

df.groupby('people.age').groups

会输出类似这样的内容:

{'20': Int64Index([0, 1], dtype='int64'), '30': Int64Index([2], dtype='int64'), '40': Int64Index([3], dtype='int64')}

Answer 1

pandas 实际上并不是用来存储对象的。您有一个带有属性的类，使用 pandas 可以更好地将其组织为 2D 结构(每人 1 行，每个属性都有列)。

持有类的问题是我们需要求助于非常慢的Series.apply才能做任何事情。语法还可以简洁，但是性能却惨不忍睹。

在您的情况下，我们使用getattr。

df.groupby(df.people.apply(lambda x: getattr(x, 'age'))).groups
#{20: Int64Index([0, 1], dtype='int64'),
# 30: Int64Index([2], dtype='int64'),
# 40: Int64Index([3], dtype='int64')}

<小时/>

我推荐以下内容:

df = pd.DataFrame([x.__dict__ for x in people]).assign(cities=cities)
#   age   name     cities
#0   20   alex     London
#1   20  daisy  Edinburgh
#2   30   john     London
#3   40   alex  Edinburgh

df.groupby('age').groups
#{20: Int64Index([0, 1], dtype='int64'),
# 30: Int64Index([2], dtype='int64'),
# 40: Int64Index([3], dtype='int64')}