我正在尝试围绕 Pandas groupby 方法。我想编写一个函数来执行一些聚合函数,然后返回一个 Pandas DataFrame。这是一个使用 sum() 的非常简化的示例。我知道有更简单的方法来做简单的求和,在现实生活中我的函数更复杂:
import pandas as pd
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B'], 'col2':[1.0, 2, 3, 4]})
In [3]: df
Out[3]:
col1 col2
0 A 1
1 A 2
2 B 3
3 B 4
def func2(df):
dfout = pd.DataFrame({ 'col1' : df['col1'].unique() ,
'someData': sum(df['col2']) })
return dfout
t = df.groupby('col1').apply(func2)
In [6]: t
Out[6]:
col1 someData
col1
A 0 A 3
B 0 B 7
我没想到会有两次 col1
在那里,我也没想到那个神秘索引的东西。我真的以为我会得到 col1
和 someData
。
在我的实际应用程序中,我按不止一列进行分组,并且真的希望返回一个 DataFrame 而不是一个 Series 对象。
在上面的示例中,关于 Pandas 正在做什么的解决方案或解释有什么想法吗?
-- 添加信息 -----
我想我应该从这个例子开始:
In [13]: import pandas as pd
In [14]: df = pd.DataFrame({'col1':['A','A','A','B','B','B'], 'col2':['C','D','D','D','C','C'], 'col3':[.1,.2,.4,.6,.8,1]})
In [15]: df
Out[15]:
col1 col2 col3
0 A C 0.1
1 A D 0.2
2 A D 0.4
3 B D 0.6
4 B C 0.8
5 B C 1.0
In [16]: def func3(df):
....: dfout = sum(df['col3']**2)
....: return dfout
....:
In [17]: t = df.groupby(['col1', 'col2']).apply(func3)
In [18]: t
Out[18]:
col1 col2
A C 0.01
D 0.20
B C 1.64
D 0.36
在上图中,apply()
函数的结果是 Pandas 系列。它缺少 df.groupby
中的 groupby 列。我苦苦挣扎的本质是如何创建一个应用于 groupby 的函数,该函数返回函数的结果和分组的列?
--又一次更新------
看来,如果我这样做:
pd.DataFrame(t).reset_index()
我得到了一个非常接近我所追求的数据框。
最佳答案
您看到列为 0 的原因是因为 .unique()
的输出是一个 array。
了解应用程序如何工作的最佳方法是逐组检查每个操作:
In [11] :g = df.groupby('col1')
In [12]: g.get_group('A')
Out[12]:
col1 col2
0 A 1
1 A 2
In [13]: g.get_group('A')['col1'].unique()
Out[13]: array([A], dtype=object)
In [14]: sum(g.get_group('A')['col2'])
Out[14]: 3.0
大多数情况下,您希望这是一个聚合的值。
grouped.apply
的输出将始终将组标签作为索引('col1' 的唯一值),因此您的 col1
示例构造似乎对我来说有点迟钝。
注意:要将 'col1'
(索引)弹出回一列,您可以调用 reset_index
,所以在这种情况下。
In [15]: g.sum().reset_index()
Out[15]:
col1 col2
0 A 3
1 B 7
关于python - 从 pandas groupby 返回聚合数据框,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15003828/