使用索引元組值作為數據幀的行和列名稱將Pandas groupby.groups結果轉換為數據幀

Question

我的groupby.groups的結果返回：

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

我想將其轉換為如下所示的數據框：

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

-添加-這是我的工作流程到groupby.groups結果中：

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，我會做：

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，有一種熊貓方法。

Answer 1

因此，您要計算每個組的大小？ 然后，您可以執行以下操作：

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

為了將其重塑為預期的輸出，我們現在可以使用unstack將“年”索引級別從行移動到列（並使用fillna來獲取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