Question

我有以下名为ttm的数据框：

    usersidid   clienthostid    eventSumTotal   LoginDaysSum    score
0       12          1               60              3           1728
1       11          1               240             3           1331
3       5           1               5               3           125
4       6           1               16              2           216
2       10          3               270             3           1000
5       8           3               18              2           512

当我做的时候

ttm.groupby(['clienthostid'], as_index=False, sort=False)['LoginDaysSum'].count()

我得到了我的预期（虽然我希望结果在一个名为'ratio'的新标签下）：

       clienthostid  LoginDaysSum
0             1          4
1             3          2

但是当我做的时候

ttm.groupby(['clienthostid'], as_index=False, sort=False)['LoginDaysSum'].apply(lambda x: x.iloc[0] / x.iloc[1])

我明白了：

0    1.0
1    1.5

标签为什么会这样？我还需要分组需要'clienthostid'，我也需要申请的结果也在标签下
有时当我进行分组时，其他一些列仍会出现，为什么有时列会消失并且有时会停留？是不是有一个我不想做那些东西的旗帜？
在我给出的示例中，当我计算标签'LoginDaysSum'上显示的结果时，是否有为什么要为结果添加新标签？

谢谢，

Answer 1

在DataFrame之后返回groupby是两种可能的解决方案：

参数as_index=False适用于count，sum，mean函数
reset_index用于从index级别创建新列，更一般的解决方案

df = ttm.groupby(['clienthostid'], as_index=False, sort=False)['LoginDaysSum'].count()
print (df)
   clienthostid  LoginDaysSum
0             1             4
1             3             2

df = ttm.groupby(['clienthostid'], sort=False)['LoginDaysSum'].count().reset_index()
print (df)
   clienthostid  LoginDaysSum
0             1             4
1             3             2

第二次需要删除as_index=False，而是添加reset_index：

#output is `Series`
a = ttm.groupby(['clienthostid'], sort=False)['LoginDaysSum'] \
         .apply(lambda x: x.iloc[0] / x.iloc[1])
print (a)
clienthostid
1    1.0
3    1.5
Name: LoginDaysSum, dtype: float64

print (type(a))
<class 'pandas.core.series.Series'>

print (a.index)
Int64Index([1, 3], dtype='int64', name='clienthostid')


df1 = ttm.groupby(['clienthostid'], sort=False)['LoginDaysSum']
         .apply(lambda x: x.iloc[0] / x.iloc[1]).reset_index(name='ratio')
print (df1)
   clienthostid  ratio
0             1    1.0
1             3    1.5

为什么有些专栏不见了？

我认为可能存在问题automatic exclusion of nuisance columns：

#convert column to str
ttm.usersidid = ttm.usersidid.astype(str) + 'aa'
print (ttm)
  usersidid  clienthostid  eventSumTotal  LoginDaysSum  score
0      12aa             1             60             3   1728
1      11aa             1            240             3   1331
3       5aa             1              5             3    125
4       6aa             1             16             2    216
2      10aa             3            270             3   1000
5       8aa             3             18             2    512

#removed str column userid
a = ttm.groupby(['clienthostid'], sort=False).sum()
print (a)
              eventSumTotal  LoginDaysSum  score
clienthostid                                    
1                       321            11   3400
3                       288             5   1512

What is the difference between size and count in pandas?

Answer 2

count是groupby对象的内置方法，pandas知道如何处理它。指定了另外两个用于确定输出内容的内容。

#                         For a built in method, when
#                         you don't want the group column
#                         as the index, pandas keeps it in
#                         as a column.
#                             |----||||----|
ttm.groupby(['clienthostid'], as_index=False, sort=False)['LoginDaysSum'].count()

   clienthostid  LoginDaysSum
0             1             4
1             3             2

#                         For a built in method, when
#                         you do want the group column
#                         as the index, then...
#                             |----||||---|
ttm.groupby(['clienthostid'], as_index=True, sort=False)['LoginDaysSum'].count()
#                                                       |-----||||-----|
#                                                 the single brackets tells
#                                                 pandas to operate on a series
#                                                 in this case, count the series

clienthostid
1    4
3    2
Name: LoginDaysSum, dtype: int64

ttm.groupby(['clienthostid'], as_index=True, sort=False)[['LoginDaysSum']].count()
#                                                       |------||||------|
#                                             the double brackets tells pandas
#                                                to operate on the dataframe
#                                              specified by these columns and will
#                                                return a dataframe

              LoginDaysSum
clienthostid              
1                        4
3                        2

当您使用apply pandas时，当您说as_index=False时，不再知道如何处理群组列。它必须相信，如果你使用apply，你想要返回你所说的返回，所以它只会扔掉它。此外，您的列周围有单个括号，表示可以在一个系列上操作。而是使用as_index=True将分组列信息保留在索引中。然后使用reset_index进行跟进，将其从索引转移回数据帧。此时，使用单个括号并不重要，因为在reset_index之后，您将再次拥有数据框。

ttm.groupby(['clienthostid'], as_index=True, sort=False)['LoginDaysSum'].apply(lambda x: x.iloc[0] / x.iloc[1])

0    1.0
1    1.5
dtype: float64

ttm.groupby(['clienthostid'], as_index=True, sort=False)['LoginDaysSum'].apply(lambda x: x.iloc[0] / x.iloc[1]).reset_index()

   clienthostid  LoginDaysSum
0             1           1.0
1             3           1.5

Answer 3

读取groupy documentarion时，发现groupby之后自动排除列通常是由于排除的列中存在空值造成的。

尝试用一些值填充“ null”。

赞：

df.fillna('')

Answer 4

您只需要此即可：

ttm.groupby(['clienthostid'], as_index=False, sort=False)[['LoginDaysSum']].apply(lambda x: x.iloc[0] / x.iloc[1]).reset_index()

双[[]]会将输出转换为pd.Dataframe而不是pd.Series。

在Pandas中，分组列之后的组已经消失

4 个答案: