我有一些从 csv 导入的数据,为了创建类似的东西,我使用了这个:
data = pd.DataFrame([[1,0,2,3,4,5],[0,1,2,3,4,5],[1,1,2,3,4,5],[0,0,2,3,4,5]], columns=['split','sex', 'group0Low', 'group0High', 'group1Low', 'group1High'])
means = data.groupby(['split','sex']).mean()
所以数据框看起来像这样:
group0Low group0High group1Low group1High
split sex
0 0 2 3 4 5
1 2 3 4 5
1 0 2 3 4 5
1 2 3 4 5
您会注意到每一列实际上包含 2 个变量(group# 和 height)。 (这是为了在 SPSS 中运行重复测量方差分析而设置的。)
我想拆分列,所以我也可以按“组”分组,就像这样(我实际上搞砸了数字的顺序,但希望这个想法很清楚):
low high
split sex group
0 0 95 265
0 0 1 123 54
1 0 120 220
1 1 98 111
1 0 0 150 190
0 1 211 300
1 0 139 86
1 1 132 250
我如何实现这一目标?
请您参考如下方法:
第一个技巧是使用 stack 将列聚集到一个列中:
In [6]: means
Out[6]:
group0Low group0High group1Low group1High
split sex
0 0 2 3 4 5
1 2 3 4 5
1 0 2 3 4 5
1 2 3 4 5
In [13]: stacked = means.stack().reset_index(level=2)
In [14]: stacked.columns = ['group_level', 'mean']
In [15]: stacked.head(2)
Out[15]:
group_level mean
split sex
0 0 group0Low 2
0 group0High 3
现在我们可以使用 pd.Series.str 在 group_level 上执行我们想要的任何字符串操作如下:
In [18]: stacked['group'] = stacked.group_level.str[:6]
In [21]: stacked['level'] = stacked.group_level.str[6:]
In [22]: stacked.head(2)
Out[22]:
group_level mean group level
split sex
0 0 group0Low 2 group0 Low
0 group0High 3 group0 High
现在你在做生意,你可以做任何你想做的事。例如,对每个组/级别求和:
In [31]: stacked.groupby(['group', 'level']).sum()
Out[31]:
mean
group level
group0 High 12
Low 8
group1 High 20
Low 16
如何按所有内容分组?
如果你想按split, sex, group and level分组> 你可以这样做:
In [113]: stacked.reset_index().groupby(['split', 'sex', 'group', 'level']).sum().head(4)
Out[113]:
mean
split sex group level
0 0 group0 High 3
Low 2
group1 0High 5
0Low 4
如果拆分并不总是在位置 6 怎么办?
This SO answer将向您展示如何更智能地进行拆分。
