有没有办法切片DataFrameGroupBy对象?
例如,如果我有:
df = pd.DataFrame({'A': [2, 1, 1, 3, 3], 'B': ['x', 'y', 'z', 'r', 'p']})
A B
0 2 x
1 1 y
2 1 z
3 3 r
4 3 p
dfg = df.groupby('A')
现在,返回的GroupBy对象由A的值索引,我想选择它的一个子集,例如执行聚合。它可能像
dfg.loc[1:2].agg(...)
或者,对于特定列,
dfg['B'].loc[1:2].agg(...)
EDIT。为了更清楚:通过切片GroupBy对象,我的意思是只访问组的一个子集。在上面的例子中,GroupBy对象将包含3个组,A = 1,A = 2,A = 3.由于某些原因,我可能只对A = 1和A = 2的组感兴趣。
答案 0 :(得分:1)
看来你需要iloc
的自定义功能 - 但是如果需要使用agg
则返回聚合值:
df = df.groupby('A')['B'].agg(lambda x: ','.join(x.iloc[0:3]))
print (df)
A
1 y,z
2 x
3 r,p
Name: B, dtype: object
df = df.groupby('A')['B'].agg(lambda x: ','.join(x.iloc[1:3]))
print (df)
A
1 z
2
3 p
Name: B, dtype: object
对于多列:
df = pd.DataFrame({'A': [2, 1, 1, 3, 3],
'B': ['x', 'y', 'z', 'r', 'p'],
'C': ['g', 'y', 'y', 'u', 'k']})
print (df)
A B C
0 2 x g
1 1 y y
2 1 z y
3 3 r u
4 3 p k
df = df.groupby('A').agg(lambda x: ','.join(x.iloc[1:3]))
print (df)
B C
A
1 z y
2
3 p k
答案 1 :(得分:0)
您可以使用以下方式进行切片:
如果您想从每个组中分割[1:3]
n [53]: df
Out[53]:
A B
0 2 x
1 1 y
2 1 z
3 3 r
4 3 p
In [54]: dfg = df.groupby('A')
In [56]: dfg.apply(lambda x: x.loc[1:3])
Out[56]:
A B
A
1 1 1 y
2 1 z
3 3 3 r
如果您只想切片一列(例如B
)
In [55]: dfg.apply(lambda x: x['B'].loc[1:3])
Out[55]:
A
1 1 y
2 z
3 3 r
Name: B, dtype: object
然后,要聚合,您只需将调用链接起来:
dfg.apply(lambda x: x['B'].loc[1:3]).agg(...)
答案 2 :(得分:0)
如果我理解正确,您只需要一些组,但这些组应该完全返回:
A B
1 1 y
2 1 z
0 2 x
您可以通过提取键然后根据这些键选择组来解决您的问题。
假设您已经知道这些组:
pd.concat([dfg.get_group(1),dfg.get_group(2)])
如果您不知道组名并且只是在寻找随机的 n 个组,这可能会奏效:
pd.concat([dfg.get_group(n) for n in list(dict(list(dfg)).keys())[:2]])
这两种情况下的输出都是普通的 DataFrame,而不是 DataFrameGroupBy 对象,因此先过滤 DataFrame 然后再聚合可能更明智:
df[df['A'].isin([1,2])].groupby('A')
未知组相同:
df[df['A'].isin(list(set(df['A']))[:2])].groupby('A')
我相信有一些 Stackoverflow 的答案提到了这个,比如 How to access pandas groupby dataframe by key