如何循環分組的 Pandas 數據框？

Question

數據框：

  c_os_family_ss c_os_major_is l_customer_id_i
0      Windows 7                         90418
1      Windows 7                         90418
2      Windows 7                         90418

代碼：

print df
for name, group in df.groupby('l_customer_id_i').agg(lambda x: ','.join(x)):
    print name
    print group

我正在嘗試遍歷聚合數據，但出現錯誤：

ValueError：解包的值太多

@EdChum，這是預期的輸出：

                                                    c_os_family_ss  \
l_customer_id_i
131572           Windows 7,Windows 7,Windows 7,Windows 7,Window...
135467           Windows 7,Windows 7,Windows 7,Windows 7,Window...

                                                     c_os_major_is
l_customer_id_i
131572           ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,...
135467           ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,...

輸出不是問題，我希望遍歷每個組。

Answer 1

df.groupby('l_customer_id_i').agg(lambda x: ','.join(x))確實已經返回了一個數據框，因此您不能再循環遍歷這些組。

一般來說：

• df.groupby(...)返回一個GroupBy對象（DataFrameGroupBy 或 SeriesGroupBy），這樣，您可以遍歷組（如此處的文檔中所述）。 您可以執行以下操作：

   grouped = df.groupby('A') for name, group in grouped: ...

• 當您在 groupby 上應用函數時，在您的示例中df.groupby(...).agg(...) （但這也可以是transform ， apply ， mean ，...），您結合應用的結果將不同組的功能放在一個數據框中（groupby 的“split-apply-combine”范式的應用和組合步驟）。 因此，此結果將始終再次成為 DataFrame（或 Series 取決於應用的功能）。

Answer 2

這是一個迭代按列pd.DataFrame分組的atable的示例。 對於此示例，在for循環中生成 SQL 數據庫的“創建”語句：

import pandas as pd

df1 = pd.DataFrame({
    'atable':     ['Users', 'Users', 'Domains', 'Domains', 'Locks'],
    'column':     ['col_1', 'col_2', 'col_a', 'col_b', 'col'],
    'column_type':['varchar', 'varchar', 'int', 'varchar', 'varchar'],
    'is_null':    ['No', 'No', 'Yes', 'No', 'Yes'],
})

df1_grouped = df1.groupby('atable')

# iterate over each group
for group_name, df_group in df1_grouped:
    print('\nCREATE TABLE {}('.format(group_name))

    for row_index, row in df_group.iterrows():
        col = row['column']
        column_type = row['column_type']
        is_null = 'NOT NULL' if row['is_null'] == 'No' else ''
        print('\t{} {} {},'.format(col, column_type, is_null))

    print(");")

Answer 3

如果您的數據框已經創建，您可以迭代索引值。

df = df.groupby('l_customer_id_i').agg(lambda x: ','.join(x))
for name in df.index:
    print name
    print df.loc[name]