使用索引元组值作为数据帧的行和列名称将Pandas groupby.groups结果转换为数据帧

Question

我的groupby.groups的结果返回：

{(2014, 36): [2], (2014, 41): [3, 4], (2013, 10): [0], (2014, 48): [5], (2014, 37): [1]}

我想将其转换为如下所示的数据框：

      2013 2014
10    1    0
36    0    1
37    0    1
41    0    2
48    0    1 

-添加-这是我的工作流程到groupby.groups结果中：

def tr_epoch(epoch):
       y,wn,dn = epoch.isocalendar()
       return y, wn

d = [1362826800, 1410260400, 1409828400, 1412766000, 1412769600, 1417262400 ] 
l = map(lambda x:  tr_epoch(datetime.datetime.fromtimestamp(x)), d)
df = pd.DataFrame(l, columns=['year','week_idx'])
res = df.groupby(['year','week_idx']).groups

-以pythonic方式添加-使用迭代，我会做：

def  to_dict(k,v):
    yr, wk = k
    return {'week': wk, yr: len(v)}

data =  map(lambda(k,v): to_dict(k,v), res.iteritems())
df = pd.DataFrame.from_records(data, index='week').fillna(0).sort()

但我敢肯定，有一种熊猫方法。

Answer 1

因此，您要计算每个组的大小？ 然后，您可以执行以下操作：

In [31]: df.groupby(['year','week_idx']).size()
Out[31]:
year  week_idx
2013  10          1
2014  36          1
      37          1
      41          2
      48          1
dtype: int64

为了将其重塑为预期的输出，我们现在可以使用unstack将“年”索引级别从行移动到列（并使用fillna来获取0）：

In [33]: df.groupby(['year','week_idx']).size().unstack(0).fillna(0)
Out[33]:
year      2013  2014
week_idx
10           1     0
36           0     1
37           0     1
41           0     2
48           0     1