Skip to main content
 首页 » 编程设计

python之按计数分组和聚合 : how to keep column names

2024年10月25日15zhoujg

我有一个示例数据框,类似于我在下面创建的合成数据框。每个 ID 都被分类为 good 或 bad(这些也可以是国家/地区代码,例如 US、ES、RU 等):

In [55]: nf = pandas.DataFrame({'id': numpy.random.randint(0,100,1000) 
                               ,'how':numpy.random.choice(['good','bad'],1000) 
                               ,'A':numpy.random.randn(1000) 
                               ,'B':numpy.random.randn(1000) 
                               }) 
 
In [56]: for i in numpy.unique(nf['id'].values): 
  .....:     nf.loc[nf.loc[idx[:],idx['id']] == i, 'how'] = "good" if is_odd(i) else "bad" 

我通过以下方式定义 is_odd() 的地方:

def is_odd(num): 
    return num & 0x1 

现在,我想做如下操作

  • 按 ID 对数据进行分组
  • 计算每个组的条目/行数
  • 绘制整个人口计数的直方图
  • 绘制“好”和“坏”计数的直方图

例如,我会执行前两个操作:

In [57]: nf.groupby(['id','how']).agg('count') 
Out[57]:  
          A   B 
id how          
0  bad    9   9 
1  good  13  13 
2  bad   16  16 
3  good   8   8 
4  bad    7   7 
5  good  11  11 
6  bad   10  10 
7  good  14  14 
8  bad   12  12 
9  good   8   8 
10 bad   12  12 
...      ..  .. 

我的问题:我无法访问列 ip 和 how。我可以在分组结果上 .hist(),但我不能再分离数据了。

有没有更聪明(不是说,正确)的方法来解决这个问题?

请您参考如下方法:

那么你可以使用 pandas.DataFrame.reset_index()将多索引转换为列:

In [6]: nf.groupby(['id','how']).agg('count').reset_index().head(10) 
Out[6]:  
   id   how   A   B 
0   0   bad   7   7 
1   0  good   6   6 
2   1   bad   5   5 
3   1  good   5   5 
4   2   bad   6   6 
5   2  good   4   4 
6   3   bad   3   3 
7   3  good   7   7 
8   4   bad  11  11 
9   4  good   6   6 

另一种方法是使用 pandas.DataFrame.groupby() 的 as_index 参数:

In [13]: nf.groupby(['id','how'], as_index=False).agg({'A':'count', 'B':'count'}).head(10) 
Out[13]:  
   id   how   A   B 
0   0   bad   7   7 
1   0  good   6   6 
2   1   bad   5   5 
3   1  good   5   5 
4   2   bad   6   6 
5   2  good   4   4 
6   3   bad   3   3 
7   3  good   7   7 
8   4   bad  11  11 
9   4  good   6   6