Konwersja danych wyjściowych Pandas GroupBy z Series na DataFrame

Zaczynam od takich danych wejściowych jak to

df1 = pandas.DataFrame( { 
    "Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] , 
    "City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"] } )

Które po wydrukowaniu wygląda następująco:

   City     Name
0   Seattle    Alice
1   Seattle      Bob
2  Portland  Mallory
3   Seattle  Mallory
4   Seattle      Bob
5  Portland  Mallory

Grupowanie jest dość proste:

g1 = df1.groupby( [ "Name", "City"] ).count()

a drukowanie daje GroupByobiekt:

                  City  Name
Name    City
Alice   Seattle      1     1
Bob     Seattle      2     2
Mallory Portland     2     2
        Seattle      1     1

Ale ostatecznie chcę innego obiektu DataFrame, który zawiera wszystkie wiersze w obiekcie GroupBy. Innymi słowy, chcę uzyskać następujący wynik:

                  City  Name
Name    City
Alice   Seattle      1     1
Bob     Seattle      2     2
Mallory Portland     2     2
Mallory Seattle      1     1

Nie widzę, jak to osiągnąć w dokumentacji pand. Wszelkie wskazówki byłyby mile widziane.

g1tutaj jest DataFrame. Ma jednak indeks hierarchiczny:

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)

Może chcesz coś takiego?

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

Lub coś takiego:

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

Chcę nieco zmienić odpowiedź udzieloną przez Wesa, ponieważ wymaga wersji 0.16.2 as_index=False. Jeśli go nie ustawisz, otrzymasz pustą ramkę danych.

Źródło :

Funkcje agregujące nie zwrócą grup, które agregujesz, jeśli są to kolumny nazwane, kiedy jest as_index=Trueto domyślna. Zgrupowane kolumny będą indeksami zwracanego obiektu.

Przekazanie as_index=Falsezwróci grupy, które agregujesz, jeśli są nazwane kolumnami.

Agregowanie funkcje są te, które zmniejszają wymiar zwracanych obiektów, na przykład: mean, sum, size, count, std, var, sem, describe, first, last, nth, min, max. Tak się dzieje, gdy robisz na przykład DataFrame.sum()i odzyskujesz Series.

nth może działać jako reduktor lub filtr, patrz tutaj .

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
#

EDYTOWAĆ:

W wersji 0.17.1, a później można wykorzystać subsetw counti reset_indexz parametrem namew size:

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

Różnica między counti sizepolega na tym, że sizezlicza wartości NaN, podczas gdy countnie.

Po prostu powinno to wykonać zadanie:

import pandas as pd

grouped_df = df1.groupby( [ "Name", "City"] )

pd.DataFrame(grouped_df.size().reset_index(name = "Group_Count"))

Tutaj grouped_df.size()pobiera unikalną liczbę grup według liczby, a reset_index()metoda resetuje nazwę kolumny, którą chcesz, aby była. Na koniec Dataframe()wywoływana jest funkcja pandy w celu utworzenia obiektu DataFrame.

Kluczem jest użycie metody reset_index () .

Posługiwać się:

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()

Teraz masz nową ramkę danych w g1 :

Być może źle rozumiem pytanie, ale jeśli chcesz przekonwertować grupę z powrotem na ramkę danych, możesz użyć .to_frame (). Chciałem zresetować indeks, kiedy to zrobiłem, więc także tę część.

przykładowy kod niezwiązany z pytaniem

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

Odkryłem, że to działało dla mnie.

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()

Poniższe rozwiązanie może być prostsze:

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

Połączyłem z mądrymi danymi i zapisałem w ramce danych

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

Te rozwiązania tylko częściowo działały dla mnie, ponieważ robiłem wiele agregacji. Oto przykładowe dane wyjściowe zgrupowane według tego, że chciałem przekonwertować na ramkę danych:

Ponieważ chciałem więcej niż liczba podana przez reset_index (), napisałem ręczną metodę konwersji powyższego obrazu w ramkę danych. Rozumiem, że nie jest to najbardziej pythonowy / pandowy sposób na zrobienie tego, ponieważ jest dość gadatliwy i wyraźny, ale to wszystko, czego potrzebowałem. Zasadniczo użyj opisanej powyżej metody reset_index (), aby uruchomić ramkę danych „rusztowania”, a następnie zapętlić pary par w zgrupowanej ramce danych, pobrać indeksy, wykonać obliczenia względem niezgrupowanej ramki danych i ustawić wartość w nowej zagregowanej ramce danych .

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]

Jeśli słownik nie jest twoją rzeczą, obliczenia można zastosować bezpośrednio w pętli for:

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