Skip to main content
 首页 » 编程设计

python之基于现有 python pandas 列的新数据框

2025年02月15日9cmt

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