Question

这必须是一个基本问题，但很难发现。假设我使用了Pandas groupby和agg方法来计算某些列：

df.groupby(['col1']).agg(['count'])

然后让我们说我想按结果计数排序：

df.groupby(['col1']).agg(['count']).sort_values('count')

这给了我一个错误：

KeyError：'count'

因此，似乎结果列的计数实际上不是列，或者是没有键的列。

如果是这种情况，我将如何对计数结果数据框进行排序？

Answer 1

有两种方法可以做到这一点，恕我直言，都需要另一个列名。 1）您将名称传递给aggfunc count，以便您可以在排序

中使用

2）您可以让count裸露并直接在排序值中使用列名

方法1

df.groupby(['col1']).agg([('CountName', 'count')]).sort_values(('col2', 'CountName'))

方法2

df.groupby(['col1']).agg('count').sort_values('col2')

Answer 2

执行agg时，生成的DataFrame不会使用函数的名称作为列名。

请参阅https://pandas.pydata.org/pandas-docs/stable/generated/pandas.core.groupby.DataFrameGroupBy.agg.html

您可以通过list(df.groupby(['col1']).agg(['count']))查看生成的DataFrame中列的名称，然后将所需的列名称 - tuple - 传递到sort_values

Answer 3

那么近，那么近...

首先，让我们解释一下为什么查询不起作用，或者至少不能按您期望的方式起作用

df.groupby(['col1']).agg(['count'])

希望您的数据框df有一个名为col1的列，因为这将成为组名，然后您希望在每个组中进行计数。您的语法是正确的，取决于您还有多少其他列，将在每一列上调用count函数，并且您的输出将具有与除col1以外的列数一样多的列。输出列名称不仅是count，而且是您需要准备使用的MultiIndex。

>>> df = pd.DataFrame({'col1':[1,1,2,2,2]})
>>> df = pd.DataFrame({
    'col1':[1,1,2,2,2], 
    'col2':[1,1,2,2,2],
    'col3':[1,1,2,2,2]
})
>>> a = df.groupby(['col1']).agg(['count'])
>>> a.index
Int64Index([1, 2], dtype='int64', name=u'col1')
>>> a.columns
MultiIndex(levels=[[u'col2', u'col3'], [u'count']], labels=[[0, 1], [0, 0]])

从这里开始，如果要排序，则通过传递一个元组将特定的MultiIndex传递给sort_values函数，然后就可以了。

>>> a.sort_values(by=[('col2', 'count')])
      col2   col3
      count  count
col1    
1     2      2
2     3      3

最终的解决方案应该是：

df.groupby(['col1']).agg(['count']).sort_values([('col2', 'count')])

如何确保Pandas agg fn为count创建的列具有名称？

3 个答案: