将groupby维从2中的熊猫更改为1

Question

我进行了分组：

df=pd.DataFrame({'grp':['a','a','b','b'],'value':[1,2,1,10]})

df.groupby('grp').agg({'value':['mean','median']})

并得到：

如何将其更改为可以操纵和访问的普通df？

Answer 1

稍微更改代码-在groupby之后添加要汇总的列，并传递功能列表：

df1 = df.groupby('grp')['value'].agg(['mean','median'])
print (df1)
     mean  median
grp              
a     1.5     1.5
b     5.5     5.5

---

另一个想法是删除第一级MultiIndex，但是如果可能有更多列，则获取重复的列名称：

df1 = df.groupby('grp').agg({'value':['mean','median']})

df1.columns = df1.columns.droplevel(0)
print (df1)

     mean  median
grp              
a     1.5     1.5
b     5.5     5.5

那么最好避免将列名重复使用map和join：

df1 = df.groupby('grp').agg({'value':['mean','median']})

df1.columns = df1.columns.map('_'.join)
print (df1)
     value_mean  value_median
grp                          
a           1.5           1.5
b           5.5           5.5

对于0.25大熊猫，请使用named aggregation：

df2 = df.groupby("grp").agg(a=pd.NamedAgg(column='value', aggfunc='mean'),
                            b=pd.NamedAgg(column='value', aggfunc='median'))

print (df2)

       a    b
grp          
a    1.5  1.5
b    5.5  5.5

Answer 2

您可以像这样简单地删除列的级别并重置DataFrame的索引：

df=pd.DataFrame({'grp':['a','a','b','b'],'value':[1,2,1,10]})

df1 = df.groupby('grp').agg({'value':['mean','median']})
df1.columns = df1.columns.droplevel(0)
df1.reset_index()

此外，如果您想要合并的列，则可以：

df1.columns = df1.columns.map('_'.join)

代替：

df1.columns = df1.columns.droplevel(0)