代码之家 › 专栏 › 技术社区 › Richard

使用groupby后恢复标准的单索引数据帧

pandas python

Richard · 技术社区 · 6 年前

我想对Python数据帧中的每个组应用一个自定义缩减函数。该函数通过执行组合组中多个列的操作,将组缩减为一行。

我是这样实现的:

import pandas as pd
import numpy as np

df = pd.DataFrame(data={
  "afac": np.random.random(size=1000),
  "bfac": np.random.random(size=1000),
  "class":np.random.randint(low=0,high=5,size=1000)
})

def f(group):
  total_area = group['afac'].sum()
  per_area   = (group['afac']/total_area).values
  per_pop    = group['bfac'].values
  return pd.DataFrame(data={'per_apop': [np.sum(per_area*per_pop)]})

aggdf = df.groupby('class').apply(f)

我的输入数据帧 df 看起来像:

>>> df
         afac      bfac  class
0    0.689969  0.992403      0
1    0.688756  0.728763      1
2    0.086045  0.499061      1
3    0.078453  0.198435      2
4    0.621589  0.812233      4

但我的代码给出了这个多索引数据帧:

>>> aggdf
         per_apop
class            
0     0  0.553292
1     0  0.503112
2     0  0.444281
3     0  0.517646
4     0  0.503290

我尝试过各种方法来恢复“正常”数据帧,但似乎都不起作用。

>>> aggdf.reset_index()
   class  level_1  per_apop
0      0        0  0.553292
1      1        0  0.503112
2      2        0  0.444281
3      3        0  0.517646
4      4        0  0.503290

>>> aggdf.unstack().reset_index()
  class  per_apop
                0
0     0  0.553292
1     1  0.503112
2     2  0.444281
3     3  0.517646
4     4  0.503290

如何执行此操作并在之后获得正常数据帧?

更新: class 和 per_apop . 理想情况下,函数 f 可以返回多列,也可能返回多行。也许用

return pd.DataFrame(data={'per_apop': [np.sum(per_area*per_pop),2], 'sue':[1,3]})

2 回复 | 直到 6 年前

James 6 年前

您可以选择要重置的级别,也可以选择是否要使用 reset_index . 在您的案例中,您最终得到了一个具有两个级别的多索引: class 还有一个没有名字的。 重置索引 允许您重置整个索引(默认)或仅重置所需的级别。在下面的示例中 最后的 drop=True 它被删除,而不是作为数据帧中的列追加。

aggdf.reset_index(level=-1, drop=True)

       per_apop
class
0      0.476184
1      0.476254
2      0.509735
3      0.502444
4      0.525287

编辑:

推动将索引级别返回到数据帧,只需调用 .reset_index()

aggdf.reset_index(level=-1, drop=True).reset_index()

   class  per_apop
0      0  0.515733
1      1  0.497349
2      2  0.527063
3      3  0.515476
4      4  0.494530

或者,您也可以重置索引,然后删除额外的列。

aggdf.reset_index().drop('level_1', axis=1)


   class  per_apop
0      0  0.515733
1      1  0.497349
2      2  0.527063
3      3  0.515476
4      4  0.494530

BENY 6 年前

使您的self-def函数返回 Series

def f(group):
  total_area = group['afac'].sum()
  per_area   = (group['afac']/total_area).values
  per_pop    = group['bfac'].values
  return pd.Series(data={'per_apop': np.sum(per_area*per_pop)})
df.groupby('class').apply(f).reset_index()

   class  per_apop
0      0  0.508332
1      1  0.505593
2      2  0.488117
3      3  0.481572
4      4  0.500401

denis 4 年前

测验 func 对于 df.groupby(...).apply( func ) 在第一组中,如下所示:

agroupby = df.groupby(...)  
for key, groupdf in agroupby:  # an iterator -> (key, groupdf) ... pairs
    break  # get the first pair
print( "\n-- first groupdf: len %d  type %s \n%s" % (
        len(groupdf), type(groupdf), groupdf ))  # DataFrame
test = myfunc( groupdf )
    # groupdf .col [col] [[col ...]] .set_index .resample ... as usual