我承认我不是Python大师,但我仍然觉得处理Pandas DataFrameGroupBy
和SeriesGroupBy
对象非常违反直觉。 (我有一个R背景。)
我有以下数据框:
import pandas as pd
import numpy as np
df = pd.DataFrame({'id' : range(1,9),
'code' : ['one', 'one', 'two', 'three',
'two', 'three', 'one', 'two'],
'colour': ['black', 'white','white','white',
'black', 'black', 'white', 'white'],
'irrelevant1': ['foo', 'foo', 'foo','bar','bar',
'foo','bar','bar'],
'irrelevant2': ['foo', 'foo', 'foo','bar','bar',
'foo','bar','bar'],
'irrelevant3': ['foo', 'foo', 'foo','bar','bar',
'foo','bar','bar'],
'amount' : np.random.randn(8)}, columns= ['id','code','colour', 'irrelevant1', 'irrelevant2', 'irrelevant3', 'amount'])
我希望能够按id
和code
分组colour
。下面的代码进行分组,但保留所有列。
gb = df.groupby(['code','colour'])
gb.head(5)
id code colour irrelevant1 irrelevant2 irrelevant3 amount
code colour
one black 0 1 one black foo foo foo -0.644170
white 1 2 one white foo foo foo 0.912372
6 7 one white bar bar bar 0.530575
three black 5 6 three black foo foo foo -0.123806
white 3 4 three white bar bar bar -0.387080
two black 4 5 two black bar bar bar -0.578107
white 2 3 two white foo foo foo 0.768637
7 8 two white bar bar bar -0.282577
问题:
1)在gb
中,我如何只存储id
列(甚至不包含任何索引)并摆脱其余的?
2)一旦我有了所需的DataFrameGroupBy
gb
,如何访问{{= 1和color = white}的id
个案例}?我尝试了gb.get_group('one','white')
和gb.get_group(['one','white'])
,但它们无效。
3)如何访问{color = white}的条目,即缺少code
索引?
4)最后,manual不是很有用,您是否知道有哪些来源可以创建和访问这些分组对象的示例?
答案 0 :(得分:6)
对于您的问题,您甚至不需要执行groupby
(但您应该在prose docs中详细了解它。
更好的解决方案是MultiIndex
:
In [36]: df = df.set_index(['code', 'colour']).sort_index()
In [37]: df
Out[37]:
id irrelevant1 irrelevant2 irrelevant3 amount
code colour
one black 1 foo foo foo 0.103045
white 2 foo foo foo 0.751824
white 7 bar bar bar -1.275114
three black 6 foo foo foo 0.311305
white 4 bar bar bar -0.416722
two black 5 bar bar bar 1.534859
white 3 foo foo foo -1.068399
white 8 bar bar bar -0.243893
[8 rows x 5 columns]
负责 1 。
2 :使用熟悉的切片语法:
In [38]: df.loc['one', 'white']
Out[38]:
id irrelevant1 irrelevant2 irrelevant3 amount
code colour
one white 2 foo foo foo 0.751824
white 7 bar bar bar -1.275114
[2 rows x 5 columns]
3 :这是一个横截面,使用.xs
:
In [39]: df.xs('white', level='colour')
Out[39]:
id irrelevant1 irrelevant2 irrelevant3 amount
code
one 2 foo foo foo 0.751824
one 7 bar bar bar -1.275114
three 4 bar bar bar -0.416722
two 3 foo foo foo -1.068399
two 8 bar bar bar -0.243893
[5 rows x 5 columns]
4 :各地都有例子。在这里查看pandas / groupby标记,文档的this部分为worked on right now,上面链接的散文文档。