Konwersja obiektu Panas GroupBy na DataFrame
Zaczynam od takich danych wejściowych
df1 = pandas.DataFrame( {
"Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] ,
"City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"] } )
Które po wydrukowaniu wygląda tak:
City Name
0 Seattle Alice
1 Seattle Bob
2 Portland Mallory
3 Seattle Mallory
4 Seattle Bob
5 Portland Mallory
Grupowanie jest dość proste:
g1 = df1.groupby( [ "Name", "City"] ).count()
I drukowanie daje GroupBy
obiekt:
City Name
Name City
Alice Seattle 1 1
Bob Seattle 2 2
Mallory Portland 2 2
Seattle 1 1
Ale w końcu chcę innego obiektu DataFrame, który zawiera wszystkie wiersze w obiekcie GroupBy. Innymi słowy chcę uzyskać następujący wynik:
City Name
Name City
Alice Seattle 1 1
Bob Seattle 2 2
Mallory Portland 2 2
Mallory Seattle 1 1
Nie wiem, jak to osiągnąć w dokumentacji pand. Wszelkie wskazówki będą mile widziane. 8 answers
g1
tutaj jest ramka danych. Ma indeks hierarchiczny, choć:
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)
Może chcesz coś takiego?
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
Lub coś w stylu:
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
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2012-04-29 17:50:33
Chcę nieco zmienić odpowiedź udzieloną przez Wesa, ponieważ wersja 0.16.2 wymaga as_index=False
. Jeśli go nie ustawisz, otrzymasz pustą ramkę danych.
Źródło :
Funkcje agregujące nie zwrócą grup, które agregujesz, jeśli są nazwane kolumnami, gdy
as_index=True
jest domyślne. Zgrupowane kolumny będą indeksami zwracanego obiektu.Przejście
as_index=False
zwróci grupy, które agregujesz, jeśli są nazwane kolumny.Funkcje agregujące to takie, które zmniejszają wymiar zwracanych obiektów, na przykład:
Nth może działać jako reduktor lub filtr, patrz tutaj.mean
,sum
,size
,count
,std
,var
,sem
,describe
,first
,last
,nth
,min
,max
. Tak się dzieje, gdy robisz na przykładDataFrame.sum()
i odzyskujeszSeries
.
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:
W wersji 0.17.1
i później możesz użyć subset
w count
oraz reset_index
z parametrem name
w 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
Różnica między count
i size
jest taka, że size
liczy wartości NaN, podczas gdy count
nie.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-08-09 12:28:31
Po prostu powinno to wykonać zadanie:
import pandas as pd
grouped_df = df1.groupby( [ "Name", "City"] )
pd.DataFrame(grouped_df.size().reset_index(name = "Group_Count"))
Tutaj, grouped_df.size() pobiera unikalną liczbę grup, A metoda reset_index() resetuje nazwę kolumny, która ma być. Na koniec funkcja pandas Dataframe() jest wywoływana do tworzenia obiektu DataFrame.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-04-30 09:16:35
Okazało się, że to działa na mnie.
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()
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-04-28 22:56:42
Może źle zrozumiałem pytanie, ale jeśli chcesz przekonwertować groupby z powrotem do ramki danych, możesz użyć .to_frame (). chciałem zresetować indeks, gdy to zrobiłem, więc włączyłem również tę część.
Przykładowy kod niezwiązany z pytaniem
df = df['TIME'].groupby(df['Name']).min()
df = df.to_frame()
df = df.reset_index(level=['Name',"TIME"])
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2017-03-31 19:45:37
Mam zagregowane z Qty wise danych i przechowywać do dataframe
almo_grp_data = pd.DataFrame({'Qty_cnt' :
almo_slt_models_data.groupby( ['orderDate','Item','State Abv']
)['Qty'].sum()}).reset_index()
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-02-01 02:27:45
Poniżej rozwiązanie może być prostsze:
df1.reset_index().groupby( [ "Name", "City"],as_index=False ).count()
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-09-04 05:50:18
Te rozwiązania tylko częściowo działały dla mnie, ponieważ robiłem wiele agregacji. Oto Przykładowe wyjście mojego zgrupowanego przez, które chciałem przekonwertować na ramkę danych:
Ponieważ chciałem czegoś więcej niż liczba dostarczona przez reset_index (), napisałem ręczną metodę konwersji powyższego obrazu na ramkę danych. Rozumiem, że nie jest to najbardziej pythonic/pandy sposób na zrobienie tego, ponieważ jest dość gadatliwy i wyraźny, ale to było wszystko, czego potrzebowałem. Zasadniczo użyj metoda reset_index () została opisana powyżej, aby rozpocząć" rusztowanie " ramki danych, a następnie wykonać pętlę przez pary grup w zgrupowanej ramce danych, pobrać indeksy, wykonać obliczenia względem rozgrupowanej ramki danych i ustawić wartość w nowej zagregowanej ramce danych.
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]
Jeśli słownik nie jest twoją specjalnością, obliczenia mogą być zastosowane w linii w pętli for:
df_aggregated['Male Count'].loc[(df_aggregated['Salary Basis'] == columns[0]) &
(df_aggregated['Job Title'] == columns[1])] = df['Male Count'].iloc[ix].sum()
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-07-13 16:56:41