将Pandas GroupBy对象转换为DataFrame

8 回答

• 89

  简单来说，这应该完成任务：

  import pandas as pd
  
  grouped_df = df1.groupby( [ "Name", "City"] )
  
  pd.DataFrame(grouped_df.size().reset_index(name = "Group_Count"))
  

  这里，grouped_df.size（）提取唯一的groupby计数，reset_index（）方法重置你想要的列的名称 . 最后，调用pandas Dataframe（）函数来创建DataFrame对象 .

  回复于 2024-05-02T19:50:11+08:00
• 0

  我发现这对我有用 .

  import numpy as np
  import pandas as pd
  
  df1 = pd.DataFrame({ 
      "Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] , 
      "City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"]})
  
  df1['City_count'] = 1
  df1['Name_count'] = 1
  
  df1.groupby(['Name', 'City'], as_index=False).count()
  

  回复于 2024-05-02T19:50:11+08:00
• 5

  我想略微改变Wes给出的答案，因为版本0.16.2需要 as_index=False . 如果不设置它，则会得到一个空数据帧 .

  Source：

  当as_index = True时，聚合函数将不会返回聚合的组（如果它们是命名列），则默认值为 . 分组列将是返回对象的索引 . 传递as_index = False将返回您聚合的组（如果它们是命名列） . 聚合函数是减少返回对象的维度的函数，例如：mean，sum，size，count，std，var，sem，describe，first，last，nth，min，max . 当您执行DataFrame.sum（）并返回Series时会发生这种情况 . 第n个可以作为减速器或过滤器，请参见此处 .

  import pandas as pd
  
  df1 = pd.DataFrame({"Name":["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"],
                      "City":["Seattle","Seattle","Portland","Seattle","Seattle","Portland"]})
  print df1
  #
  #       City     Name
  #0   Seattle    Alice
  #1   Seattle      Bob
  #2  Portland  Mallory
  #3   Seattle  Mallory
  #4   Seattle      Bob
  #5  Portland  Mallory
  #
  g1 = df1.groupby(["Name", "City"], as_index=False).count()
  print g1
  #
  #                  City  Name
  #Name    City
  #Alice   Seattle      1     1
  #Bob     Seattle      2     2
  #Mallory Portland     2     2
  #        Seattle      1     1
  #
  

  编辑：

  在版本 0.17.1 及更高版本中，您可以在count中使用 subset ，在size中使用参数 name 的reset_index：

  print df1.groupby(["Name", "City"], as_index=False ).count()
  #IndexError: list index out of range
  
  print df1.groupby(["Name", "City"]).count()
  #Empty DataFrame
  #Columns: []
  #Index: [(Alice, Seattle), (Bob, Seattle), (Mallory, Portland), (Mallory, Seattle)]
  
  print df1.groupby(["Name", "City"])[['Name','City']].count()
  #                  Name  City
  #Name    City                
  #Alice   Seattle      1     1
  #Bob     Seattle      2     2
  #Mallory Portland     2     2
  #        Seattle      1     1
  
  print df1.groupby(["Name", "City"]).size().reset_index(name='count')
  #      Name      City  count
  #0    Alice   Seattle      1
  #1      Bob   Seattle      2
  #2  Mallory  Portland      2
  #3  Mallory   Seattle      1
  

  count 和 size 之间的区别在于 size 计算NaN值，而 count 则不计算 .

  回复于 2024-05-02T19:50:11+08:00
• 5

  这些解决方案只对我有用，因为我正在进行多次聚合 . 以下是我想要转换为数据帧的分组示例输出：

  

  因为我想要的数量超过reset_index（）提供的数量，所以我写了一个手动方法，将上面的图像转换为数据帧 . 我知道这不是最狡猾/大熊猫的方式，因为它非常冗长和明确，但它只是我需要的 . 基本上，使用上面解释的reset_index（）方法启动“脚手架”数据框，然后循环分组数据框中的组配对，检索索引，针对未分组的数据帧执行计算，并在新的聚合数据框中设置值 .

  df_grouped = df[['Salary Basis', 'Job Title', 'Hourly Rate', 'Male Count', 'Female Count']]
  df_grouped = df_grouped.groupby(['Salary Basis', 'Job Title'], as_index=False)
  
  # Grouped gives us the indices we want for each grouping
  # We cannot convert a groupedby object back to a dataframe, so we need to do it manually
  # Create a new dataframe to work against
  df_aggregated = df_grouped.size().to_frame('Total Count').reset_index()
  df_aggregated['Male Count'] = 0
  df_aggregated['Female Count'] = 0
  df_aggregated['Job Rate'] = 0
  
  def manualAggregations(indices_array):
      temp_df = df.iloc[indices_array]
      return {
          'Male Count': temp_df['Male Count'].sum(),
          'Female Count': temp_df['Female Count'].sum(),
          'Job Rate': temp_df['Hourly Rate'].max()
      }
  
  for name, group in df_grouped:
      ix = df_grouped.indices[name]
      calcDict = manualAggregations(ix)
  
      for key in calcDict:
          #Salary Basis, Job Title
          columns = list(name)
          df_aggregated.loc[(df_aggregated['Salary Basis'] == columns[0]) & 
                            (df_aggregated['Job Title'] == columns[1]), key] = calcDict[key]
  

  如果字典不是你的东西，计算可以在for循环中内联应用：

  df_aggregated['Male Count'].loc[(df_aggregated['Salary Basis'] == columns[0]) & 
                                  (df_aggregated['Job Title'] == columns[1])] = df['Male Count'].iloc[ix].sum()
  

  回复于 2024-05-02T19:50:11+08:00
• 10

  以下解决方案可能更简单：

  df1.reset_index().groupby( [ "Name", "City"],as_index=False ).count()
  

  回复于 2024-05-02T19:50:11+08:00
• 3

  我已经汇总了数量明智的数据并存储到数据帧

  almo_grp_data = pd.DataFrame({'Qty_cnt' :
  almo_slt_models_data.groupby( ['orderDate','Item','State Abv']
            )['Qty'].sum()}).reset_index()
  

  回复于 2024-05-02T19:50:11+08:00
• 386

  g1 这是一个DataFrame . 它有一个分层索引，但是：

  In [19]: type(g1)
  Out[19]: pandas.core.frame.DataFrame
  
  In [20]: g1.index
  Out[20]: 
  MultiIndex([('Alice', 'Seattle'), ('Bob', 'Seattle'), ('Mallory', 'Portland'),
         ('Mallory', 'Seattle')], dtype=object)
  

  也许你想要这样的东西？

  In [21]: g1.add_suffix('_Count').reset_index()
  Out[21]: 
        Name      City  City_Count  Name_Count
  0    Alice   Seattle           1           1
  1      Bob   Seattle           2           2
  2  Mallory  Portland           2           2
  3  Mallory   Seattle           1           1
  

  或类似的东西：

  In [36]: DataFrame({'count' : df1.groupby( [ "Name", "City"] ).size()}).reset_index()
  Out[36]: 
        Name      City  count
  0    Alice   Seattle      1
  1      Bob   Seattle      2
  2  Mallory  Portland      2
  3  Mallory   Seattle      1
  

  回复于 2024-05-02T19:50:11+08:00
• 1

  也许我误解了这个问题，但如果你想将groupby转换回数据帧，你可以使用.to_frame（） . 当我这样做时我想重置索引，所以我也包括了那个部分 .

  示例代码与问题无关

  df = df['TIME'].groupby(df['Name']).min()
  df = df.to_frame()
  df = df.reset_index(level=['Name',"TIME"])
  

  回复于 2024-05-02T19:50:11+08:00