Pandas数据帧:如何将describe()应用于每个组并添加到新列?

时间:2015-11-06 20:57:16

标签: python numpy pandas dataframe

DF:

name score
A      1
A      2
A      3
A      4
A      5
B      2
B      4
B      6 
B      8

希望以下列形式获得以下新数据框:

   name count mean std min 25% 50% 75% max
    A     5    3    .. ..  ..  ..  ..  ..
    B     4    5    .. ..  ..  ..  ..  ..

如何从df.describe()中提取信息并重新格式化? 感谢

7 个答案:

答案 0 :(得分:11)

甚至更短的一个:)

print df.groupby('name').describe().unstack(1)
  

没有什么比单线更胜一筹了:

     

在[145]中:

     

print df.groupby(' name')。describe()。reset_index()。pivot(index =' name',   values ='得分',列=' level_1')

答案 1 :(得分:9)

没有什么比单线更胜一筹了:

In [145]:

print df.groupby('name').describe().reset_index().pivot(index='name', values='score', columns='level_1')

level_1  25%  50%  75%  count  max  mean  min       std
name                                                   
A        2.0    3  4.0      5    5     3    1  1.581139
B        3.5    5  6.5      4    8     5    2  2.581989

答案 2 :(得分:7)

使用代码

df.groupby('name').describe()

enter image description here

答案 3 :(得分:4)

定义一些数据

In[1]:
import pandas as pd
import io

data = """
name score
A      1
A      2
A      3
A      4
A      5
B      2
B      4
B      6
B      8
    """

df = pd.read_csv(io.StringIO(data), delimiter='\s+')
print(df)

Out[1]:
  name  score
0    A      1
1    A      2
2    A      3
3    A      4
4    A      5
5    B      2
6    B      4
7    B      6
8    B      8

解决方案

解决此问题的一个很好的方法是使用生成器表达式(请参阅脚注)以允许pd.DataFrame()迭代groupby的结果,并动态构建摘要统计数据框:

In[2]:
df2 = pd.DataFrame(group.describe().rename(columns={'score':name}).squeeze()
                         for name, group in df.groupby('name'))

print(df2)

Out[2]:
   count  mean       std  min  25%  50%  75%  max
A      5     3  1.581139    1  2.0    3  4.0    5
B      4     5  2.581989    2  3.5    5  6.5    8

此处squeeze功能正在挤出维度,将单列组摘要统计信息Dataframe转换为Series

脚注:生成器表达式的格式为my_function(a) for a in iterator,或者如果iterator为我们提供了两个元素tuples,就像{groupby一样1}}:my_function(a,b) for a,b in iterator

答案 4 :(得分:2)

import pandas as pd
import io
import numpy as np

data = """
name score
A      1
A      2
A      3
A      4
A      5
B      2
B      4
B      6
B      8
    """

df = pd.read_csv(io.StringIO(data), delimiter='\s+')

df2 = df.groupby('name').describe().reset_index().T.drop('name')
arr = np.array(df2).reshape((4,8))

df2 = pd.DataFrame(arr[1:], index=['name','A','B'])

print(df2)

那会给你df2:

              0     1        2    3    4    5    6    7
    name  count  mean      std  min  25%  50%  75%  max
    A         5     3  1.58114    1    2    3    4    5
    B         4     5  2.58199    2  3.5    5  6.5    8

答案 5 :(得分:1)

嗯,我设法得到你想要的东西,但它不能很好地扩展。

import pandas as pd

name = ['a','a','a','a','a','b','b','b','b','b']
score = [1,2,3,4,5,2,4,6,8]

d = pd.DataFrame(zip(name,score), columns=['Name','Score'])
d = d.groupby('Name').describe()
d = d.reset_index()
df2 = pd.DataFrame(zip(d.level_1[8:], list(d.Score)[:8], list(d.Score)[8:]), columns = ['Name','A','B']).T

print df2

          0     1         2    3    4    5    6    7
Name  count  mean       std  min  25%  50%  75%  max
A         5     3  1.581139    1    2    3    4    5
B         4     5  2.581989    2  3.5    5  6.5    8

答案 6 :(得分:1)

表存储在名为df

的数据框中
df= pd.read_csv(io.StringIO(data),delimiter='\s+')

只需指定列名称,describe即可获得所需的输出。通过这种方式,您可以计算w.r.t任何列

df.groupby('name')['score'].describe()