我想对给定数据集的不同子集进行多个 .groupby() 操作,并将它们全部绑定(bind)在一起。例如:
import pandas as pd
df = pd.DataFrame({"ID":[1,1,2,2,2,3],"Subset":[1,1,2,2,2,3],"Value":[5,7,4,1,7,8]})
print(df)
ID Subset Value
0 1 1 5
1 1 1 7
2 2 2 4
3 2 2 1
4 2 2 7
5 3 1 9
然后我想连接以下对象并将结果存储在 pandas 数据框中:
gr1 = df[df["Subset"] == 1].groupby(["ID","Subset"]).mean()
gr2 = df[df["Subset"] == 2].groupby(["ID","Subset"]).mean()
# Why do gr1 and gr2 have column names in different rows?
我意识到 df.groupby(["ID","Subset"]).mean() 会给我正在寻找的串联对象。请耐心等待,这是我实际处理的简化示例。
I think the solution可能是将 gr1 和 gr2 转换为 pandas 数据帧,然后像往常一样连接它们。
本质上,我的问题如下:
- 如何将
groupby结果转换为数据框对象? - 如果这可以在不将系列转换为数据框的情况下完成,您如何将两个
groupby结果绑定(bind)在一起,然后将其转换为 pandas 数据框?
PS:我来自 R 背景,所以对我来说,将数据框按某种方式分组并将输出返回为不同类型的对象(系列或多索引数据框)是很奇怪的。这也是我的问题的一部分:为什么 .groupby 返回一个系列?这是什么系列?为什么一个系列可以有多个列和一个索引?
请您参考如下方法:
您示例中的返回类型是 pandas MultiIndex目的。要为单个值返回具有单个转换函数的数据框,则可以使用以下内容。请注意包含 as_index=False。
>>> gr1 = df[df["Subset"] == 1].groupby(["ID","Subset"], as_index=False).mean()
>>> gr1
ID Subset Value
0 1 1 6
但是,如果您希望聚合多个函数,如 here,这将不起作用。 .如果您希望避免使用 df.groupby(["ID","Subset"]).mean(),则可以使用以下示例。
>>> gr1 = df[df["Subset"] == 1].groupby(["ID","Subset"], as_index=False).mean()
>>> gr2 = df[df["Subset"] == 2].groupby(["ID","Subset"], as_index=False).mean()
>>> pd.concat([gr1, gr2]).reset_index(drop=True)
ID Subset Value
0 1 1 6
1 2 2 4
如果您只关心处理特定的行子集,则以下内容可能适用,因为它消除了连接结果的必要性。
>>> values = [1,2]
>>> df[df['Subset'].isin(values)].groupby(["ID","Subset"], as_index=False).mean()
ID Subset Value
0 1 1 6
1 2 2 4
