python - Pandas :重命名，汇总列时最好的习惯用法

我有这样的熊猫DataFrame：

n = 6000
my_data = DataFrame ({
    "Category"  : np.random.choice (['cat1','cat2'], size=n) ,
    "val_1"     : np.random.randn(n) ,
    "val_2"     : [i for i in range (1,n+1)]
})

我在Category上进行汇总，并对不同的列应用不同的功能，如下所示：

counts_and_means = \
    my_data.groupby("Category").agg (
        {
            "Category"  : np.count_nonzero ,
            "val_1"     : np.mean ,
            "val_2"     : np.mean
        }
    )

完成此操作后，我需要一个显式的列顺序和新的列名。我使用reindex和rename做到这一点，以流畅的样式将它们与原始聚合链接起来，如下所示：

counts_and_means = \
    my_data.groupby("Category").agg (
        {
            "Category"  : np.count_nonzero ,
            "val_1"     : np.mean ,
            "val_2"     : np.mean
        }
    ) \
    .reindex (columns = ["Category","val_1","val_2"]) \
    .rename (
        columns = {
            "Category" : "Count" ,
            "val_1"    : "Avg. Val_1" ,
            "val_2"    : "Avg. Val_2" ,
        }
    )

这是最好的方法吗（就成语，表现等而言）？还是有一种方法可以在agg(...)步骤中显式指定列名和顺序？

我之所以问是因为我不熟悉此API的习惯用法，并且想使其正确使用，并且因为看起来reindex和rename都创建了DataFrame副本，这对于大型数据集可能是一个更大的问题（我知道inplace的rename参数，但这在我的流利设置中不起作用）。任何帮助/建议，不胜感激。

最佳答案

值得注意的是，在Python 3.3+中，字典的顺序没有被保证（并且每次调用甚至都不相同）：

In [11]: counts_and_means = \
    my_data.groupby("Category").agg (
        {
            "Category"  : np.count_nonzero ,
            "val_1"     : np.mean ,
            "val_2"     : np.mean
        }
    )

In [12]: counts_and_means
Out[12]:
                val_2  Category     val_1
Category
cat1      2972.181788      3009  0.005821
cat2      3028.988633      2991  0.027436

解决此问题的一种方法是使用OrderedDict：

In [13]: from collections import OrderedDict

In [14]: counts_and_means = \
    my_data.groupby("Category").agg(
        OrderedDict([
            ("Category", np.count_nonzero),
            ("val_1",    np.mean),
            ("val_2",    np.mean)
        ])
    )

In [15]: counts_and_means
Out[15]:
          Category     val_1        val_2
Category
cat1          3009  0.005821  2972.181788
cat2          2991  0.027436  3028.988633

现在，您可以使用.columns属性直接重命名：

In [16]: counts_and_means.columns = ["Count", "Avg_val1", "Avg_val2"]

注意：在列名称中使用.的IMO不可pandaroble，因为您不能再将列作为DataFrame属性访问。尝试并尽可能保留这些标识符。



我想说的另一种选择可能是更惯用*，而不是那么冗长，它是迭代构建的：

In [21]: g = my_data.groupby("Category")

In [22]: counts_and_means = g["Category"].agg(np.count_nonzero).to_frame(name="Count")
         counts_and_means["Avg_val1"] = g["val_1"].agg("mean")
         counts_and_means["Avg_val2"] = g["val_2"].agg("mean")

In [23]: counts_and_means
Out[23]:
          Count  Avg_val1     Avg_val2
Category
cat1       3009  0.005821  2972.181788
cat2       2991  0.027436  3028.988633

*您无需一站式完成所有任务！！ :)

关于python - Pandas :重命名，汇总列时最好的习惯用法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29721666/