Question

这可能是一个非常简单的问题，但我试图了解分组和索引在pandas中的工作原理。

我们说，我有一个包含以下数据的DataFrame：

df = pd.DataFrame(data={
    'p_id': [1, 1, 1, 2, 3, 3, 3, 4, 4],
    'rating': [5, 3, 2, 2, 5, 1, 3, 4, 5]
})

现在，将自动分配索引，因此DataFrame看起来像：

      p_id    rating
0     1       5
1     1       3
2     1       2
3     2       2
4     3       5
5     3       1
6     3       3
7     4       4
8     4       5

当我尝试按p_id对其进行分组时，我得到：

>> df[['p_id', 'rating']].groupby('p_id').count()
           rating
p_id        
1          3
2          1
3          3
4          2

我注意到p_id现在变成了这个DataFrame的索引，但第一行看起来很奇怪 - 为什么它有＆＃39; p_id＆＃39;带有空评级的索引？

我知道如何修复它，如果我这样做的话：

>> df[['p_id', 'rating']].groupby('p_id', as_index=False).count()
      p_id    rating
0     1       3
1     2       1
2     3       3
3     4       2

现在我没有这个奇怪的第一列，但我有索引和p_id。

所以我的问题是，当我不使用as_index = False时，这个额外的行会从哪里来？有没有办法将DataFrame分组并保持p_id作为索引，而不必处理这个额外的行？如果有任何我可以阅读的文档，那也将非常感激。

由于

Answer 1

它只是一个索引名称......

演示：

In [46]: df
Out[46]:
   p_id  rating
0     1       5
1     1       3
2     1       2
3     2       2
4     3       5
5     3       1
6     3       3
7     4       4
8     4       5

In [47]: df.index.name = 'AAA'

注意索引名称：AAA

In [48]: df
Out[48]:
     p_id  rating
AAA
0       1       5
1       1       3
2       1       2
3       2       2
4       3       5
5       3       1
6       3       3
7       4       4
8       4       5

你可以使用rename_axis()方法摆脱它：

In [42]: df[['p_id', 'rating']].groupby('p_id').count().rename_axis(None)
Out[42]:
   rating
1       3
2       1
3       3
4       2

Answer 2

没有“多余的行” ，这只是熊猫如何直观地呈现GroupBy对象，即pandas.core.groupby.generic.DataFrameGroupBy.__str__方法如何呈现分组的数据框对象：rating是列，但是现在p_id已经从列变成了（行）索引。

它们错开它们的另一个原因是因为索引可以是MultiIndex（如果您按多列分组）。

分组后的熊猫索引

2 个答案: