[英]Pandas groupby sort on multiindex
import pandas as pd
values = {'C1': ['B', 'A'],
'C2': ['B', 'A'],
'C3': ['B', 'A'],
}
df = pd.DataFrame(values)
df.set_index(keys=['C1', 'C2'], inplace=True)
grouped = df.groupby(level='C1', sort=False)
for name, group in grouped:
print(name)
產量
一種
乙
但是,我希望
乙
一種
如何獲得第二個結果?
如我的評論中所述,這可能是一個已知問題。
也許這是一個有效的解決方法:
import pandas as pd
values = {'C1': ['B', 'A'],
'C2': ['B', 'A'],
'C3': ['B', 'A'],
}
df = pd.DataFrame(values)
grouped = df.groupby(['C1', 'C2'], sort=False)['C3']
for name, group in grouped:
print group.iloc[0]
結果
乙
一種
考慮重組數據
除非您的實際數據要求您重置為MultiIndex
,否則在進行groupby()
之前似乎無需重新索引。
如果僅按C1
groupby
則會得到所需的示例輸出:
import pandas as pd
values = {'C1': ['B', 'A'],
'C2': ['B', 'A'],
'C3': ['B', 'A'],
}
df = pd.DataFrame(values)
print 'Original DataFrame'
print df
print
df2 = df.set_index(keys=['C1', 'C2'], inplace=False)
print 'Reindexed DataFrame'
print df2
print
grouped = df.groupby(['C1'], sort=False)
grouped2 = df2.groupby(level='C1', sort=False)
print 'Original Groups'
print grouped.groups
print
print 'Reindexed Groups'
print grouped2.groups
print
print 'Original Group for loop output'
for name, group in grouped:
print(name)
print
print 'Reindexed Group for loop output'
for name, group in grouped2:
print(name)
Original DataFrame
C1 C2 C3
0 B B B
1 A A A
Reindexed DataFrame
C3
C1 C2
B B B
A A A
Original Groups
{'A': [1], 'B': [0]}
Reindexed Groups
{'A': [('A', 'A')], 'B': [('B', 'B')]}
Original Group for loop output
B
A
Reindexed Group for loop output
A
B
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.