Skip to main content
 首页 » 编程设计

python之Pandas groupby multiindex 在第一级唯一时 : unexpected results

2024年12月31日9zengkefu

Python版本:3.5.2; Pandas 版本:0.23.1

当我使用两个索引进行分组时,我注意到了意外行为,但每一行在第一个索引上都是唯一的。我在带有 c 列的数据框上执行的代码是:

df.c.groupby(df.index.names).min() 

当行在第一个索引上不唯一时,一切都按预期工作。为了说明这一点,我在下面包含了两个版本。编辑:现在包括三个版本!

版本 1:具有预期的输出

df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [1, 2, 4]], columns=['a', 'b', 'c']) 
df = df.set_index(['a','b']).sort_index() 

输入:

     c 
a b    
1 2  3 
  2  4 
4 5  6 

输出:

a  b 
1  2    3 
4  5    6 

版本 2:具有意外输出

df = pd.DataFrame([[1, 2, 3], [4, 5, 6]], columns=['a', 'b', 'c']) 
df = df.set_index(['a','b']).sort_index() 

输入:

     c 
a b    
1 2  3 
4 5  6 

输出:

a    3 
b    6 

预期输出:

a  b 
1  2    3 
4  5    6 

版本 3:具有预期的输出,但考虑到版本 2 时没有预期。

df = pd.DataFrame([[1, 2, 3, 4], [4, 5, 6, 7]], columns=['a', 'b1', 'b2', 'c']) 
df = df.set_index(['a','b1','b2']).sort_index() 

输入:

         c 
a b1 b2    
1 2  3   4 
4 5  6   7 

输出:

a  b1  b2 
1  2   3     4 
4  5   6     7 

请您参考如下方法:

这是对正在发生的事情的一瞥。看一下传递给“应用”函数 f 的系列的名称。

第一种情况(预期结果):

df = pd.DataFrame([[1, 2, 3], [4, 5, 6], [1, 2, 4]], columns=['a', 'b', 'c']) 
df = df.set_index(['a','b']).sort_index() 
 
def f(x): 
    print(x) 
    print('\n') 
    print(min(x)) 
    print('\n') 
    return min(x) 
df.c.groupby(['a','b']).apply(f) 

输出:

a  b 
1  2    3 
   2    4 
Name: (1, 2), dtype: int64 
 
 
3 
 
 
a  b 
4  5    6 
Name: (4, 5), dtype: int64 
 
 
6 
 
 
Out[292]: 
 
a  b 
1  2    3 
4  5    6 

第二种情况(意外结果),记下传入的系列名称:

df1 = pd.DataFrame([[1, 2, 3], [4, 5, 6]], columns=['a', 'b', 'c']) 
df1 = df1.set_index(['a','b']).sort_index() 
def f(x): 
    print(x) 
    print('\n') 
    print(min(x)) 
    print('\n') 
    return min(x) 
df1.c.groupby(['a','b']).apply(f) 

输出:

a  b 
1  2    3 
Name: a, dtype: int64 
 
 
3 
 
 
a  b 
4  5    6 
Name: b, dtype: int64 
 
 
6 
 
 
Out[293]: 
 
a    3 
b    6 
Name: c, dtype: int64 

它使用这些系列来构建生成的数据框。由于数据的性质,系列的命名是罪魁祸首。为什么?好吧,我们必须为此查看代码。

这个问题的惯用修复是使用这个语法:

df1.groupby(df1.index.names)['c'].min() 

输出:

a  b 
1  2    3 
4  5    6 
Name: c, dtype: int64