我正试着用分组的方法来环顾熊猫。我想编写一个函数来执行一些聚合函数,然后返回一个熊猫数据帧。下面是一个使用sum()的非常简单的示例。我知道有更简单的方法来做简单的求和,在现实生活中,我的函数更复杂:
import pandas as pd
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B'], 'col2':[1.0, 2, 3, 4]})
In [3]: df
Out[3]:
col1 col2
0 A 1
1 A 2
2 B 3
3 B 4
def func2(df):
dfout = pd.DataFrame({ 'col1' : df['col1'].unique() ,
'someData': sum(df['col2']) })
return dfout
t = df.groupby('col1').apply(func2)
In [6]: t
Out[6]:
col1 someData
col1
A 0 A 3
B 0 B 7
我没想到会有两次
col1
出现,也没想到会出现神秘指数。我真的以为我会得到。在我的实际应用程序中,我按多个列进行分组,我真的希望返回一个数据帧而不是一个序列对象。
在我上面的例子中,关于熊猫在做什么有什么解决方案或解释的想法吗?
-----添加的信息-----
我应该从这个例子开始,我想:
In [13]: import pandas as pd
In [14]: df = pd.DataFrame({'col1':['A','A','A','B','B','B'], 'col2':['C','D','D','D','C','C'], 'col3':[.1,.2,.4,.6,.8,1]})
In [15]: df
Out[15]:
col1 col2 col3
0 A C 0.1
1 A D 0.2
2 A D 0.4
3 B D 0.6
4 B C 0.8
5 B C 1.0
In [16]: def func3(df):
....: dfout = sum(df['col3']**2)
....: return dfout
....:
In [17]: t = df.groupby(['col1', 'col2']).apply(func3)
In [18]: t
Out[18]:
col1 col2
A C 0.01
D 0.20
B C 1.64
D 0.36
在上图中,
col1
函数的结果是熊猫系列。它缺少来自someData
的groupby列。我正在努力解决的问题的本质是,如何创建一个应用于GroupBy的函数,GroupBy返回函数的结果和它所分组的列?-----还有一个更新------
如果我这样做:
pd.DataFrame(t).reset_index()
我得到了一个数据帧,它非常接近我所追求的。
最佳答案
看到带有0的列的原因是,.unique()
的输出是一个数组。
了解应用程序如何工作的最佳方法是仔细检查每个操作组:
In [11] :g = df.groupby('col1')
In [12]: g.get_group('A')
Out[12]:
col1 col2
0 A 1
1 A 2
In [13]: g.get_group('A')['col1'].unique()
Out[13]: array([A], dtype=object)
In [14]: sum(g.get_group('A')['col2'])
Out[14]: 3.0
大多数情况下,您希望它是一个聚合值。
grouped.apply
的输出总是将组标签作为索引(col1'的唯一值),因此您的col1
示例构造对我来说有点迟钝。注意:要弹出一列(索引),您可以调用它,所以在这种情况下。
In [15]: g.sum().reset_index()
Out[15]:
col1 col2
0 A 3
1 B 7
关于python - 从pandas groupby返回聚合数据帧,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/15003828/