Question

我试图比较pandas.DataFrame.pivot_table()和pandas.DataFrame.groupby。我有一个关于提示的经典数据集：

import pandas as pd  
url = 'https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv'  
tips = pd.read_csv(url)

现在，我想只聚合tip_pct和size，另外还要按天分组。我会将吸烟者放在表格列中，将日期放在行中。使用pivot_table我可以这样做：

tips.pivot_table(['tip_pct', 'size'], index=['sex', 'day'], columns='smoker')

但是现在如何使用groupby执行此任务？我尝试过，但结果并不像预期的那样：

tips.groupby(['sex', 'day'])['tip_pct', 'size'].mean()

Answer 1

您的列名出现问题。在您的示例中，您使用的是tip_pct。数据集中的列称为tip。 pandas.DataFrame.pivot_table()高兴地忽略了这个缺失的列，pandas.DataFrame.groupby()抱怨。

<强>代码：

import pandas as pd  
url = 'https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv'  
tips = pd.read_csv(url)

print(tips.groupby(['sex', 'day', 'smoker'])['tip', 'size'].mean())

<强>结果：

                         tip      size
sex    day  smoker                    
Female Fri  No      3.125000  2.500000
            Yes     2.682857  2.000000
       Sat  No      2.724615  2.307692
            Yes     2.868667  2.200000
       Sun  No      3.329286  3.071429
            Yes     3.500000  2.500000
       Thur No      2.459600  2.480000
            Yes     2.990000  2.428571
Male   Fri  No      2.500000  2.000000
            Yes     2.741250  2.125000
       Sat  No      3.256563  2.656250
            Yes     2.879259  2.629630
       Sun  No      3.115349  2.883721
            Yes     3.521333  2.600000
       Thur No      2.941500  2.500000
            Yes     3.058000  2.300000

如何使用groupby执行此操作？

1 个答案: