V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
thinszx
V2EX  ›  Python

pandas 关于 groupby 的分组保存问题:如何将分组完以后的值按照某个列分别存为新 dataframe?

  •  
  •   thinszx ·
    thinszx · 2020-03-18 17:58:10 +08:00 · 5544 次点击
    这是一个创建于 1714 天前的主题,其中的信息可能已经有所发展或是发生改变。

    有一个如下的 DataFrame

    A B C
    0 a 1 c
    1 a 3 a
    2 a 2 b
    3 c 3 a
    4 c 2 b
    5 c 1 c
    6 b 2 b
    7 b 3 a
    8 b 1 c

    我已经对这个 DataFrame 做了处理,将它按照A列分组以后又在各组内对B列进行了排序,如 df.groupby('A').apply(lambda x: x.sort_values('B')).reset_index(drop = True)

    A B C
    0 a 1 c
    1 a 2 b
    2 a 3 a
    3 b 1 c
    4 b 2 b
    5 b 3 a
    6 c 1 c
    7 c 2 b
    8 c 3 a

    但我现在想把每个分组按照A列导出,例如导出成这样的(在这里只列了 a 分组,但我也需要 b 和 c 的分组)

    A B C
    0 a 1 c
    1 a 2 b
    2 a 3 a

    我本来的考虑是写一个 for 循环,在开头记录一个 flag 值,对之后的列进行比较,每次遍历到新的分组就更新 flag,但这样感觉有些复杂了,想问问各位有没有什么好的方法呢?

    9 条回复    2020-03-19 20:26:27 +08:00
    jyyx
        1
    jyyx  
       2020-03-19 08:46:56 +08:00
    list(df.groupby('a')) 是要这个吗?
    MisterLee
        2
    MisterLee  
       2020-03-19 10:42:41 +08:00
    df_1 = df.groupby('A').apply(lambda x: x.sort_values('B')).reset_index(drop = True)
    for item in df_1['A'].unique():
    df_2 = df_1[df_1['A'] == item]
    df_2.to_xxx #导出
    wittyfans
        3
    wittyfans  
       2020-03-19 12:10:33 +08:00   ❤️ 1
    thinszx
        4
    thinszx  
    OP
       2020-03-19 12:13:45 +08:00
    @jyyx 谢谢你的回答,不过和我想得有一些出入,我想得到的是拆分后的 DataFrame,因为后续对各个分组的操作还要用到 pandas 的一些函数

    目前我解决的方法是新开了一个列表,来存储排序后 DataFrame 中各个分组的大小(直接调用了 count()函数),然后用了一个 for 循环每次切片操作,得到小的 DataFrame

    大致的做法像这样:
    itr = 0 # 起始指针
    sorted_group_list = [] # 存放每个小分组对象
    separate_group_counts = np.array(df['A'].count()).tolist() # 存储了各个分组的大小

    for count in separate_group_counts:
    sorted_group_list.append(df[itr:itr + count].copy()) # 这里的 copy 不要可能会省点内存,不过有点危险
    itr += count

    楼下那位的做法好像也挺不错的,比我的简洁一点
    thinszx
        5
    thinszx  
    OP
       2020-03-19 12:33:32 +08:00 via Android
    @wittyfans 啊,是的,学习到了!原来有这么简洁方法,谢谢(◦˙▽˙◦)
    wittyfans
        6
    wittyfans  
       2020-03-19 12:42:59 +08:00   ❤️ 1
    @thinszx 不客气,我也是在别人那里学到的,再分享你一些我常用的 groupy 的例子:


    # 显示所有组,后面是值的 index'
    df_gp = dff.groupby('name')
    df_gp.groups

    # 拿到某个 group 的值
    df_gp.get_group('bryan chen')

    # 根据名字的第一部分来 group
    dff.groupby(dff.name.str.split(' ').str[0]).size()

    # 根据名字中是否有 wittyfans 来 group
    dff.groupby(dff.name.apply(lambda x: 'wittyfans' in x)).size()

    # 对 groupby 的值,平均分段统计后汇总数量
    df_mean.groupby(
    pd.qcut(
    x=df_mean['AUSTRALIA - AUSTRALIAN DOLLAR/US$'],
    q=3,labels=['low','mid','hight']
    )
    ).size()

    # 对一列值分组
    pd.qcut(
    x=df_mean['AUSTRALIA - AUSTRALIAN DOLLAR/US$'],
    q=3,labels=['low','mid','hight']
    )

    # 按照自定义的值来分组
    df_mean.groupby(
    pd.cut(
    df_mean['CHINA - YUAN/US$'],
    [6.0,6.5,7.0,7.5,8.0,8.5]
    )).size()

    # 根据指定日期列来 resmaple,再做分组统计
    dff.groupby(
    pd.Grouper(
    key='start',
    freq='d'
    )
    ).size()

    # 根据指定日期列来 resmaple,再 apply 你的函数
    df.reset_index().groupby(
    pd.Grouper(
    key='Time Serie',
    freq='5Y'
    )
    )['CHINA - YUAN/US$'].apply(np.mean)

    # 根据指定日志来 resample,再结合多个聚合函数
    df.reset_index().groupby(
    pd.Grouper(
    key='Time Serie',
    freq='5Y'
    )
    ).agg(
    {
    'HONG KONG - HONG KONG DOLLAR/US$':'mean',
    'CHINA - YUAN/US$':['median','std','mean']
    })

    # 偶尔 groupy 重命名很麻烦,可以这样写:(pandas>=2.5)
    aggregation = {
    'china': ('CHINA - YUAN/US$','mean'),
    'hk': ('HONG KONG - HONG KONG DOLLAR/US$','mean')
    }

    df.groupby('region').agg(**aggregation)

    # groupby 返回的是 reduce 的数据,如果要根据某个分类分组,然后再计算单个值占该组的占比,可以这样写
    df['%'] = df.groupby('location')['name'].transform(lambda x:x/sum(x))

    # 使用 filter 配合 groupby 选择数据
    df.groupby('location').filter(
    lambda x: (x['worklog'] * x['ticket_num']).sum() > 20000
    )

    df.groupby('location').filter(
    lambda x: (x['worklog'] * x['ticket_num']).mean() > .3
    )

    上面提到的一些列名,有的来自 kaggle 上的汇率数据,有的是我自己平时处理的数据,不理解的自己实际操作下就懂了。
    thinszx
        7
    thinszx  
    OP
       2020-03-19 12:54:10 +08:00
    @wittyfans 谢谢,真的很有帮助!!!
    jyyx
        8
    jyyx  
       2020-03-19 14:37:54 +08:00
    @thinszx 我的就是你想要的吧, 本来 groupby 就可以切割了
    for key, df_sub in df.groupby('A'):
    print(key, df_sub)
    thinszx
        9
    thinszx  
    OP
       2020-03-19 20:26:27 +08:00
    @jyyx 得到的数据没有问题,但是数据类型不太对,我想直接得到 dataframe 类型的数据,你的方法得到的是 list 型的,如果要得到 dataframe 型的数据还需要再转一次,可能我表达的不太清楚,MisterLee 的方法就是我想要的了,直接得到了 dataframe 格式的分组
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   4007 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 28ms · UTC 05:11 · PVG 13:11 · LAX 21:11 · JFK 00:11
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.