Question

在Pandas中，有一种非常简洁的方法可以按操作计算组内列中的不同值。例如

ex = pd.DataFrame([[1, 2, 3], [6, 7, 8], [1, 7, 9]], 
                  columns=["A", "B", "C"]).set_index(["A", "B"])
ex.groupby(level="A").C.nunique()

将返回

A
1    2
6    1
Name: C, dtype: int64

我还希望在按B分组时计算索引级A中的不同值。我找不到从B对象访问groupby级别的简洁方法。我能想到的最好的是：

ex.reset_index("B", drop=False).groupby(level="A").B.nunique()

正确返回：

A
1    2
6    1
Name: B, dtype: int64

我有没有办法在groupby上执行此操作而不重置索引或使用apply函数？

Answer 1

IIUC您可以为所有级别reset_index执行，然后将groupby设为'A'并应用nunique方法：

res = ex.reset_index().groupby('A').agg(lambda x: x.nunique())

In [339]: res
Out[339]:
   B  C
A
1  2  2
6  1  1

与pivot_table相同的解决方案：

In [341]: ex.reset_index().pivot_table(index='A', aggfunc=lambda x: x.nunique())
Out[341]:
   B  C
A
1  2  2
6  1  1

Answer 2

不确定这是否更好，但它不使用应用或重置索引：）

In [20]: ex.groupby(level="A").agg(lambda x: x.index.get_level_values(1).nunique())
Out[20]:
   C
A
1  2
6  1

FWIW，我发现在开发一个复杂的群体时打破这些是有用的。您可以通过

查看您将使用的各个对象

In [24]: ex.groupby(level="A").get_group(1)
Out[24]:
     C
A B
1 2  3
  7  9

合：

In [33]: (ex.groupby(level='A')
   ....:    .C.agg({'a': lambda x: x.index.get_level_values(1).nunique(),
   ....:            'b': 'nunique'}))
Out[33]:
   b  a
A
1  2  2
6  1  1

Answer 3

为了您的娱乐，使用reset_index，apply或agg或匿名功能的不那么容易读出的解决方案。但是，它确实使用了标准库中的zip和Counter。

import pandas as pd
from collections import Counter

ex = pd.DataFrame([[1, 2, 3], [6, 7, 8], [1, 7, 9]], 
                  columns=["A", "B", "C"]).set_index(["A", "B"])

A_val, nunique_B = zip(*[(k, len(Counter(v.index.labels[v.index.names.index('B')]))) 
                      for k, v in ex.groupby(level='A')])

pd.Series(nunique_B, index=pd.Int64Index(A_val, name='A'))

返回

A
1    2
6    1
dtype: int32

另外，为了一般性，我不认为B处于索引的第1级。

计算Pandas groupby中的唯一索引值

3 个答案: