Panda GroupBy 출력을 Series에서 DataFrame으로 변환
이렇게 입력 데이터부터 시작합니다.
df1 = pandas.DataFrame( {
"Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] ,
"City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"] } )
인쇄하면 다음과 같이 표시됩니다.
City Name
0 Seattle Alice
1 Seattle Bob
2 Portland Mallory
3 Seattle Mallory
4 Seattle Bob
5 Portland Mallory
그룹화는 간단합니다.
g1 = df1.groupby( [ "Name", "City"] ).count()
인쇄하면,GroupBy오브젝트:
City Name
Name City
Alice Seattle 1 1
Bob Seattle 2 2
Mallory Portland 2 2
Seattle 1 1
그러나 최종적으로 필요한 것은 GroupBy 오브젝트의 모든 행을 포함하는 다른 DataFrame 오브젝트입니다.즉, 다음과 같은 결과를 얻고 싶습니다.
City Name
Name City
Alice Seattle 1 1
Bob Seattle 2 2
Mallory Portland 2 2
Mallory Seattle 1 1
팬더 문서에서는 이것을 어떻게 달성해야 하는지 잘 모르겠다.힌트라도 주시면 감사하겠습니다.
g1여기 Data Frame이 있습니다.단, 다음과 같은 계층형 인덱스가 있습니다.
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)
아마도 당신은 이런 것을 원하나요?
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
또는 다음과 같습니다.
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
Wes의 답변을 약간 변경하고 싶습니다.버전 0.16.2는as_index=False설정하지 않으면 빈 데이터 프레임이 생성됩니다.
출처:
집계 함수는 집계 중인 그룹이 이름이 지정된 열일 경우 다음과 같은 경우 해당 그룹이 반환되지 않습니다.
as_index=True(디폴트).그룹화된 열은 반환된 개체의 인덱스가 됩니다.패스
as_index=False는 집계하는 그룹이 이름 있는 열일 경우 해당 그룹을 반환합니다.집계 함수는 반환되는 객체의 치수를 줄이는 함수입니다.다음은 예를 제시하겠습니다.
mean,sum,size,count,std,var,sem,describe,first,last,nth,min,max예를 들어, 다음과 같은 일이 발생합니다.DataFrame.sum()그리고 a를 돌려받습니다.Series.nth는 리덕터 또는 필터로 동작할 수 있습니다.여기를 참조해 주십시오.
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
#
편집:
버전 내0.17.1나중에 사용할 수 있습니다.subset매개 변수 포함 및 포함name에서는, 다음과 같습니다.
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
의 차이점count그리고.size그것이다sizeNaN 값을 카운트하는 동안count하지 않다.
reset_index() 메서드를 사용하는 것이 중요합니다.
용도:
import pandas
df1 = pandas.DataFrame( {
"Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] ,
"City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"] } )
g1 = df1.groupby( [ "Name", "City"] ).count().reset_index()
이제 g1에 새로운 데이터 프레임이 추가되었습니다.
간단히 말하면 다음과 같은 작업을 수행할 수 있습니다.
import pandas as pd
grouped_df = df1.groupby( [ "Name", "City"] )
pd.DataFrame(grouped_df.size().reset_index(name = "Group_Count"))
여기서,grouped_df.size()고유한 그룹별 카운트를 가져오고reset_index()method는 원하는 열의 이름을 리셋합니다.마지막으로 판다들은Dataframe()함수를 호출하여 DataFrame 개체를 만듭니다.
질문을 잘못 이해한 것 같습니다만, groupby를 데이터 프레임으로 되돌리려면 .to_frame()을 사용합니다.이 작업을 할 때 인덱스를 리셋하고 싶어서 그 부분도 포함시켰습니다.
질문과 무관한 예제 코드
df = df['TIME'].groupby(df['Name']).min()
df = df.to_frame()
df = df.reset_index(level=['Name',"TIME"])
난 이게 나한테 효과가 있다는 걸 알았어.
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()
이하의 솔루션은, 보다 심플하게 할 수 있습니다.
df1.reset_index().groupby( [ "Name", "City"],as_index=False ).count()
Qty wise 데이터로 집계하여 데이터 프레임에 저장했습니다.
almo_grp_data = pd.DataFrame({'Qty_cnt' :
almo_slt_models_data.groupby( ['orderDate','Item','State Abv']
)['Qty'].sum()}).reset_index()
이 솔루션들은 제가 여러 번 집약을 했기 때문에 부분적으로만 효과가 있었습니다.다음으로 데이터 프레임으로 변환하는 경우의 출력 예를 나타냅니다.
reset_index()에서 제공하는 개수 이상을 원했기 때문에 위의 이미지를 데이터 프레임으로 변환하는 수동 방식을 작성했습니다.나는 이것이 매우 장황하고 명료하기 때문에 이것을 하는 가장 버마적인/판다적인 방법이 아니라는 것을 이해하지만, 내가 필요로 하는 것은 그것뿐이었다.기본적으로 위의 reset_index() 메서드를 사용하여 "scaffolding" 데이터프레임을 시작하고 그룹화된 데이터프레임 내의 그룹 페어링을 루프하여 인덱스를 취득하고 그룹화되지 않은 데이터프레임에 대한 계산을 수행하여 새로운 집약 데이터프레임으로 값을 설정합니다.
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]
사전이 적합하지 않은 경우 계산을 for 루프에서 인라인으로 적용할 수 있습니다.
df_aggregated['Male Count'].loc[(df_aggregated['Salary Basis'] == columns[0]) &
(df_aggregated['Job Title'] == columns[1])] = df['Male Count'].iloc[ix].sum()
바닐라 "/"와 같은 됩니다.groupby()@Nehal은 기본적으로 @Nehal은 @Nehal은 @Nehal은 @Nehal과 같은 대답입니다. JWani와 함께 변수에 되었습니다.reset_index()이치노
fare_class = df.groupby(['Satisfaction Rating','Fare Class']).size().to_frame(name = 'Count')
fare_class.reset_index()
이 버전은 통계량에 유용한 백분율로 동일한 데이터를 반환할 뿐만 아니라 람다 함수를 포함합니다.
fare_class_percent = df.groupby(['Satisfaction Rating', 'Fare Class']).size().to_frame(name = 'Percentage')
fare_class_percent.transform(lambda x: 100 * x/x.sum()).reset_index()
Satisfaction Rating Fare Class Percentage
0 Dissatisfied Business 14.624269
1 Dissatisfied Economy 36.469048
2 Satisfied Business 5.460425
3 Satisfied Economy 33.235294
예:
grouped=df.groupby(['Team','Year'])['W'].count().reset_index()
team_wins_df=pd.DataFrame(grouped)
team_wins_df=team_wins_df.rename({'W':'Wins'},axis=1)
team_wins_df['Wins']=team_wins_df['Wins'].astype(np.int32)
team_wins_df.reset_index()
print(team_wins_df)
group_keys=False를 group_by 메서드로 설정하여 그룹 키를 인덱스에 추가하지 않도록 합니다.
예:
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.groupby(["Name"], group_keys=False)
언급URL : https://stackoverflow.com/questions/10373660/converting-a-pandas-groupby-output-from-series-to-dataframe
'it-source' 카테고리의 다른 글
| Python에서 목록의 중앙값을 찾는 중 (0) | 2022.11.01 |
|---|---|
| Selenium에서 페이지 로드 대기 (0) | 2022.10.31 |
| 터미널에서 JavaScript 스크립트를 실행하려면 어떻게 해야 합니까? (0) | 2022.10.31 |
| MySQL에서 STRAYT_JOIN을 사용하는 경우 (0) | 2022.10.31 |
| PHP에 대한 "고급" 지식을 더 늘리는 방법(빠른 시간) (0) | 2022.10.31 |