Skip to main content
 首页 » 编程设计

python之Pandas :使用 groupby

2025年02月15日8del

我有数据框

ID    domain    category    active_seconds 
111   vk.com    Social_network   42 
111   facebook.com   Social_network   18 
222   vk.com      Social_network     50 
222   gmail.com   E-mail    50 

如果我用

df.groupby(['category', 'domain']).agg({'ID': pd.Series.nunique, 'active_seconds': np.sum}).rename(columns={' ID': 'all_users', 'active_seconds': 'all_time'}.reset_index()

我明白了

类别域 all_users all_time 社交网络 vk.com 2 92 社交网络 facebook.com 1 18 邮箱 gmail.com 1 50

但是有什么方法可以得到这种格式的报告:

category          domain     all_users     all_time 
Social_network                   2            110 
                   vk.com        2             92 
                  facebook.com   1             18 
 
E-mail                           1             50 
                   gmail.com     1             50                    

请您参考如下方法:

您可以通过agg 创建新的DataFrame 总和 和 nunique并添加新级别 MultiIndex.from_arrays , 最后 concat与 sort_index :

#omit reset_index 
df1 = df.groupby(['category', 'domain']) 
        .agg({'ID': pd.Series.nunique, 'active_seconds': np.sum}) 
        .rename(columns={'ID': 'all_users', 'active_seconds': 'all_time'}) 
 
df2 = df1.groupby('category').agg({'all_users': 'nunique', 'all_time': 'sum'}) 
 
df2.index = pd.MultiIndex.from_arrays([df2.index, [''] * len(df2.index)], 
                                       names=('category','domain')) 
print (df2) 
                       all_time  all_users 
category       domain                      
E-mail                       50          1 
Social_network              110          2 
 
print (pd.concat([df1,df2]).sort_index()) 
                             all_time  all_users 
category       domain                            
E-mail                             50          1 
               gmail.com           50          1 
Social_network                    110          2 
               facebook.com        18          1 
               vk.com              92          2 

新的 DataFrame 的另一种解决方案是通过 assign 创建新列和 set_index :

df2 = df1.groupby('category').agg({'all_users': 'nunique', 'all_time': 'sum'}) 
         .assign(domain='') 
         .set_index('domain', append=True) 
print (df2) 
                       all_time  all_users 
category       domain                      
E-mail                       50          1 
Social_network              110          2