连接多个 Pandas groupby 输出

Question

我想对给定数据集的不同子集进行多个.groupby()操作并将它们绑定在一起。 例如：

import pandas as pd
df = pd.DataFrame({"ID":[1,1,2,2,2,3],"Subset":[1,1,2,2,2,3],"Value":[5,7,4,1,7,8]})
print(df)
   ID  Subset  Value
0   1       1      5
1   1       1      7
2   2       2      4
3   2       2      1
4   2       2      7
5   3       1      9

然后我想连接以下对象并将结果存储在熊猫数据框中：

gr1 = df[df["Subset"] == 1].groupby(["ID","Subset"]).mean()
gr2 = df[df["Subset"] == 2].groupby(["ID","Subset"]).mean()
# Why do gr1 and gr2 have column names in different rows?

我意识到df.groupby(["ID","Subset"]).mean()会给我我正在寻找的连接对象。 请耐心等待，这是我实际处理的简化示例。

我认为解决方案可能是将gr1和gr2转换为熊猫数据帧，然后像往常一样将它们连接起来。

本质上，我的问题如下：

1. 如何将groupby结果转换为数据框对象？
2. 如果这可以在不将系列转换为数据框的情况下完成，您如何将两个groupby结果绑定在一起，然后将其转换为熊猫数据框？

PS：我来自 R 背景，所以对我来说，将数据帧按某些东西分组并将输出返回为不同类型的对象（系列或多索引数据帧）是很奇怪的。 这也是我的问题的一部分：为什么.groupby返回一个系列？ 这是一个什么样的系列？ 为什么一个系列可以有多个列和一个索引？

Answer 1

您示例中的返回类型是 pandas MultiIndex对象。 要为单个值返回具有单个转换函数的数据帧，则可以使用以下内容。 请注意包含as_index=False 。

---

>>> gr1 = df[df["Subset"] == 1].groupby(["ID","Subset"], as_index=False).mean()
>>> gr1

    ID  Subset  Value
0    1       1      6

但是，如果您希望像此处这样聚合多个函数，这将不起作用。 如果您希望避免使用df.groupby(["ID","Subset"]).mean() ，那么您可以使用以下示例。

---

>>> gr1 = df[df["Subset"] == 1].groupby(["ID","Subset"], as_index=False).mean()
>>> gr2 = df[df["Subset"] == 2].groupby(["ID","Subset"], as_index=False).mean()

>>> pd.concat([gr1, gr2]).reset_index(drop=True)

   ID   Subset  Value
0   1        1      6
1   2        2      4

如果您只关心处理特定的行子集，以下可能适用，因为它消除了连接结果的必要性。

---

>>> values = [1,2]
>>> df[df['Subset'].isin(values)].groupby(["ID","Subset"], as_index=False).mean()

    ID  Subset  Value
0   1        1      6
1   2        2      4