我有以下代码设置,调用和groupBy并应用于Python Pandas DataFrame。
奇怪的是我无法按行(例如df.loc[2:5]
)对分组数据进行切片而没有完全拧紧输出(如调试中所示),如何删除行并获取此值期望的输出?
任何帮助都会受到大力赞赏,我会在一个更复杂的函数上运行这个帮助,但已经将问题精确定位到行切片!
代码:
import pandas as pd
df = pd.DataFrame({'one' : ['AAL', 'AAL', 'AAPL', 'AAPL'], 'two' : [1, 2, 3, 4]})
def net_func(df):
df_res = daily_func(df, True)
df_res_valid = daily_func(df, False)
df_merge = pd.merge(df_res, df_res_valid)
return df_merge
def daily_func(df, bool_param):
# df.drop(df.head(1).index, inplace=True)
# df = df[1:1]
# df.iloc[1:1,:]
# df.loc[1:1,:]
if bool_param:
df['daily'+str(bool_param)] = 1
else:
df['daily'+str(bool_param)] = 0
return df
print df.groupby('one').apply(net_func)
当前输出:
one two dailyTrue dailyFalse
one
AAL 0 AAL 1 1 0
1 AAL 2 1 0
AAPL 0 AAPL 1 1 0
1 AAPL 2 1 0
期望的输出:
one two dailyTrue dailyFalse
one
AAL 1 AAL 2 1 0
AAPL 1 AAPL 2 1 0
理想情况下,我希望能够为每个组逐行切片,例如df.loc[3:5]
- 这将是完美的!
我试过评论如下:
输出df.drop(df.head(1).index, inplace=True)
:
Empty DataFrame
Columns: [one, two, dailyTrue, dailyFalse]
Index: []
更新:还尝试使用df = df[1:1]
输出:
Empty DataFrame
Columns: [one, two, dailyTrue, dailyFalse]
Index: []
更新也尝试了df.iloc[1:1,:]
:
one two dailyTrue dailyFalse
one
AAL 0 AAL 1 1 0
1 AAL 2 1 0
AAPL 0 AAPL 1 1 0
1 AAPL 2 1 0
和df.loc[1:1,:]
:
one two dailyTrue dailyFalse
one
AAL 0 AAL 1 1 0
1 AAL 2 1 0
AAPL 0 AAPL 1 1 0
1 AAPL 2 1 0
答案 0 :(得分:3)
我感到有必要在GroupBy
对象内部切片,并且通过应用以下猴子补丁来做到这一点:
def __groupby_slice( _grp, start=0, stop=None, step=1):
'''
Applies a slice to a GroupBy object
'''
return _grp.apply( lambda _df : _df.iloc[start:stop:step]).reset_index(drop=True)
pd.core.groupby.GroupBy.slice = __groupby_slice
用作:
df.groupby('feature0').slice(-10, -3, 2)
与pandas==0.25.3
答案 1 :(得分:1)
考虑在groupby().apply()
之后使用横截面切片xs
,相应地指定每个关键字:
print df.groupby('one').apply(net_func).xs(0, level=1)
# one two dailyTrue dailyFalse
#one
#AAL AAL 1 1 0
#AAPL AAPL 1 1 0
print df.groupby('one').apply(net_func).xs(1, level=1)
# one two dailyTrue dailyFalse
#one
#AAL AAL 2 1 0
#AAPL AAPL 2 1 0
或者,将multiple indexing与元组列表一起使用:
print df.groupby('one').apply(net_func).ix[[('AAL', 1), ('AAPL', 1)]]
# one two dailyTrue dailyFalse
#one
#AAL 1 AAL 2 1 0
#AAPL 1 AAPL 2 1 0
更多切片(在pandas 0.14中引入):
print df.groupby('one').apply(net_func).loc[(slice('AAL','AAPL'),slice(1,1)),:]
# one two dailyTrue dailyFalse
#one
#AAL 1 AAL 2 1 0
#AAPL 1 AAPL 2 1 0