我正在尝试根据列类别(A、B 和 C)中的分类值从现有数据框 df 创建新的数据框 df_A、df_B 和 df_C。
这行不通
df_A = {n: df.ix[rows]
for n, rows in enumerate(df.groupby('Category').groups)}
这里我得到错误“Key Error: A”
(注:A为类别之一)
这也行不通
df_A = np.where(df['Category']=='A')).copy()
这里我得到错误:“语法错误”
最后,这行不通了
df_A = np.where(raw[raw['Category']=='A']).copy()
“AttributeError:‘tuple’对象没有属性‘copy’”
谢谢
请您参考如下方法:
看来你先需要boolean indexing因为 Category 是列,而不是 index 如果需要字典:
df2 = {n: data[ data['Category'] == rows]
for n, rows in enumerate(data.groupby('Category').groups)}
或者尝试删除组:
df2 = {n: rows[1] for n, rows in enumerate(data.groupby('Category'))}
示例:
data = pd.DataFrame({'Category':['A','A','D'],
'B':[4,5,6],
'C':[7,8,9]})
print (data)
B C Category
0 4 7 A
1 5 8 A
2 6 9 D
df2 = {n: rows[1] for n, rows in enumerate(data.groupby('Category'))}
print (df2)
{0: B C Category
0 4 7 A
1 5 8 A, 1: B C Category
2 6 9 D}
df2 = {n: data[ data['Category'] == rows]
for n, rows in enumerate(data.groupby('Category').groups)}
print (df2)
{0: B C Category
0 4 7 A
1 5 8 A, 1: B C Category
2 6 9 D}
没有groupby的解决方案
df2 = {n: data[data['Category'] == rows] for n, rows in enumerate(data['Category'].unique())}
print (df2)
{0: B C Category
0 4 7 A
1 5 8 A, 1: B C Category
2 6 9 D}
print (df2[0])
B C Category
0 4 7 A
1 5 8 A
但是如果需要通过Category值选择DataFrame的字典:
dfs = {n: rows for n, rows in data.groupby('Category')}
print (dfs)
{'A': B C Category
0 4 7 A
1 5 8 A, 'D': B C Category
2 6 9 D}
print (dfs['A'])
B C Category
0 4 7 A
1 5 8 A
