基于现有 python pandas 列的新数据框

Question

我正在尝试根据列类别（A、B 和 C）中的分类值从现有数据帧 df 创建新的数据帧 df_A、df_B 和 df_C。

这不起作用

df_A = {n: df.ix[rows] 
 for n, rows in enumerate(df.groupby('Category').groups)}

在这里我收到错误“关键错误：A”

（注：A是其中一类）

这也不起作用

df_A = np.where(df['Category']=='A')).copy()

在这里我得到错误：“语法错误”

最后，这不起作用

df_A = np.where(raw[raw['Category']=='A']).copy()

“AttributeError：‘tuple’对象没有‘copy’属性”

谢谢你

Answer 1

似乎您需要首先进行boolean indexing因为Category是列，而不是index如果需要字典）：

df2 = {n: data[ data['Category'] == rows] 
           for n, rows in enumerate(data.groupby('Category').groups)}

或尝试删除groups ：

df2 = {n: rows[1] for n, rows in enumerate(data.groupby('Category'))}

样本：

data = pd.DataFrame({'Category':['A','A','D'],
                   'B':[4,5,6],
                   'C':[7,8,9]})

print (data)
   B  C Category
0  4  7        A
1  5  8        A
2  6  9        D

df2 = {n: rows[1] for n, rows in enumerate(data.groupby('Category'))}
print (df2)
{0:    B  C Category
0  4  7        A
1  5  8        A, 1:    B  C Category
2  6  9        D}

df2 = {n: data[ data['Category'] == rows] 
           for n, rows in enumerate(data.groupby('Category').groups)}
print (df2)
{0:    B  C Category
0  4  7        A
1  5  8        A, 1:    B  C Category
2  6  9        D}

没有groupby解决方案

df2 = {n: data[data['Category'] == rows] for n, rows in enumerate(data['Category'].unique())}
print (df2)
{0:    B  C Category
0  4  7        A
1  5  8        A, 1:    B  C Category
2  6  9        D}

---

print (df2[0])
   B  C Category
0  4  7        A
1  5  8        A

但是如果需要按Category值选择DataFrame的字典：

dfs = {n: rows for n, rows in data.groupby('Category')}
print (dfs)
{'A':    B  C Category
0  4  7        A
1  5  8        A, 'D':    B  C Category
2  6  9        D}

print (dfs['A'])
   B  C Category
0  4  7        A
1  5  8        A