Question

我有一个数据框，其中两列是经度和纬度。每个纬度对代表一个位置，我想按该位置分组。

我可以通过将两列转换为元组的单个列，然后对该列进行groupby操作来执行groupby操作。但是，我的实际数据帧非常大，添加另一列可能会减慢速度。我想知道在熊猫中是否还有一种更惯用的方式。

In [1]: import pandas as pd                                                                                                                                                                                 
In [2]: import numpy as np                                                                                                                                                                                  
In [3]: key  = np.random.randint(low = 1, high = 20, size = 100) 
   ...: data = np.random.random(size = (100)) 
   ...: d1   = {'key':key, 'time':range(1,101), 'data':data} 
   ...: df1  = pd.DataFrame(d1) 
   ...: print(df1.shape) 
   ...: df1.head()                                                                                                                                                                                                 
(100, 3)
Out[3]: 
    key  time      data
0     3     1  0.778231
1    13     2  0.822494
2     4     3  0.053416
3     8     4  0.894341
4     7     5  0.884310
In [4]: key = range(1,21) 
   ...: lat = np.random.randint(low = 0, high = 90, size = 20) 
   ...: lon = np.random.randint(low = 0, high = 90, size = 20) 
   ...: d2  = {'key':key, 'lat':lat, 'lon':lon} 
   ...: df2 = pd.DataFrame(d2) 
   ...: print(df2.shape) 
   ...: df2.head()                                                                                                                                                                                                 
(20, 3)
Out[4]: 
    key  lat  lon
0     1   36   81
1     2    6   57
2     3   84    4
3     4   61    0
4     5   54   69
In [5]: result = pd.merge(df1, df2).sort_values('time') 
   ...: result.head()                                                                                                                                                                                            
Out[5]: 
    key  time      data  lat  lon
0     3     1  0.778231   84    4
4    13     2  0.822494   12   19
13    4     3  0.053416   61    0
18    8     4  0.894341   49   34
23    7     5  0.884310    8   13

（请确保在框中向下滚动以查看In [5]的输出，因为这就是我最终的数据帧的样子）

在这一点上，我希望能够做类似result.groupby(('lat','lon'))的事情，并让大熊猫将这两列都视为一列。有没有办法做到这一点？还是我该咬一下子弹，然后在数据元组中添加一个新列？

Answer 1

不是零件

目前，我希望能够执行类似result.groupby(('lat','lon'))
的操作

正是您要找的答案？它将根据需要在许多列中按唯一值分组。

示例数据：

key  time     data  lat  lon
3     1   0.231000   84    4
4     1   0.832310   22   11
5     1   1.210000   84    4
6     1   3.778231   22   11
8     1  15.450000   84    4

如何在这两列中对唯一值进行分组：

import pandas as pd

for name, group in df.groupby(["lat", "lon"]):
    print("Group indices: {}".format(name))
    print(group)

输出：

Group indices: (22, 11)
   key  time      data  lat  lon
1    4     1  0.832310   22   11
3    6     1  3.778231   22   11
Group indices: (84, 4)
   key  time    data  lat  lon
0    3     1   0.231   84    4
2    5     1   1.210   84    4
4    8     1  15.450   84    4

这不是您想要的，还是我误会了一些东西？

熊猫groupby：将两列视为一列

1 个答案: