[英]returning aggregated dataframe from pandas groupby
我正试着用Pandas groupby方法包围我。 我想编写一个函数来执行一些聚合函数,然后返回一个Pandas DataFrame。 这是使用sum()的简化示例。 我知道有更简单的方法来做简单的求和,在现实生活中我的功能更复杂:
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
我没想到在那里有两次col1
,也没想到神秘指数在看东西。 我真的以为我会得到col1
和someData
。
在我的现实应用程序中,我正在按多个列进行分组,并且真的想要获取DataFrame而不是Series对象。
关于Pandas在上面的例子中做了什么的解决方案或解释的任何想法?
-----添加信息-----
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
在上面的插图中, apply()
函数的结果是Pandas系列。 它缺少df.groupby
的groupby列。 我正在努力的本质是如何创建一个我应用于groupby的函数,该函数返回函数的结果和它被分组的列?
-----又一次更新------
看来,如果我这样做:
pd.DataFrame(t).reset_index()
我找回了一个非常接近我所追求的数据帧。
您看到.unique()
0的原因是因为.unique()
的输出是一个数组 。
理解您的申请将如何运作的最佳方式是分组检查每个行动:
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,您希望这是一个聚合值 。
输出grouped.apply
总会有组标签作为索引(“COL1”的唯一值),所以你的例子建设col1
似乎有点钝了我。
注意:要将'col1'
(索引)弹回到列,您可以调用reset_index
,因此在这种情况下。
In [15]: g.sum().reset_index()
Out[15]:
col1 col2
0 A 3
1 B 7
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.