如何通过键访问 groupby 对象中相应的 groupby 数据框?
使用以下分组:
rand = np.random.RandomState(1)
df = pd.DataFrame({'A': ['foo', 'bar'] * 3,
'B': rand.randn(6),
'C': rand.randint(0, 20, 6)})
gb = df.groupby(['A'])
我可以遍历它以获取键和组:
In [11]: for k, gp in gb:
print 'key=' + str(k)
print gp
key=bar
A B C
1 bar -0.611756 18
3 bar -1.072969 10
5 bar -2.301539 18
key=foo
A B C
0 foo 1.624345 5
2 foo -0.528172 11
4 foo 0.865408 14
我希望能够通过其密钥访问组:
In [12]: gb['foo']
Out[12]:
A B C
0 foo 1.624345 5
2 foo -0.528172 11
4 foo 0.865408 14
但是当我尝试使用 gb[('foo',)]
执行此操作时,我得到了这个奇怪的 pandas.core.groupby.DataFrameGroupBy
对象,它似乎没有任何与我想要的 DataFrame 对应的方法。
我能想到的最好的是:
In [13]: def gb_df_key(gb, key, orig_df):
ix = gb.indices[key]
return orig_df.ix[ix]
gb_df_key(gb, 'foo', df)
Out[13]:
A B C
0 foo 1.624345 5
2 foo -0.528172 11
4 foo 0.865408 14
但这有点讨厌,考虑到大熊猫通常在这些事情上有多好。这样做的内置方法是什么?
您可以使用 get_group
方法:
In [21]: gb.get_group('foo')
Out[21]:
A B C
0 foo 1.624345 5
2 foo -0.528172 11
4 foo 0.865408 14
注意:这不需要为每个组创建中间字典/每个子数据帧的副本,因此比使用 dict(iter(gb))
创建简单字典更节省内存。这是因为它使用了 groupby 对象中已有的数据结构。
您可以使用 groupby 切片选择不同的列:
In [22]: gb[["A", "B"]].get_group("foo")
Out[22]:
A B
0 foo 1.624345
2 foo -0.528172
4 foo 0.865408
In [23]: gb["C"].get_group("foo")
Out[23]:
0 5
2 11
4 14
Name: C, dtype: int64
用于数据分析的 Python 中的 Wes McKinney(pandas 的作者)提供了以下方法:
groups = dict(list(gb))
它返回一个字典,其键是您的组标签,其值是 DataFrames,即
groups['foo']
将产生您正在寻找的东西:
A B C
0 foo 1.624345 5
2 foo -0.528172 11
4 foo 0.865408 14
而不是
gb.get_group('foo')
我更喜欢使用 gb.groups
df.loc[gb.groups['foo']]
因为通过这种方式,您也可以选择多个列。例如:
df.loc[gb.groups['foo'],('A','B')]
gb[["A", "B"]].get_group("foo")
选择不同的列。
gb = df.groupby(['A'])
gb_groups = grouped_df.groups
如果您正在寻找选择性 groupby 对象,请执行:gb_groups.keys(),并将所需的密钥输入以下 key_list..
gb_groups.keys()
key_list = [key1, key2, key3 and so on...]
for key, values in gb_groups.items():
if key in key_list:
print(df.ix[values], "\n")
我正在寻找一种方法来对 GroupBy obj 的一些成员进行采样 - 必须解决发布的问题才能完成这项工作。
基于 some_key 列创建 groupby 对象
grouped = df.groupby('some_key')
选择 N 个数据帧并获取它们的索引
sampled_df_i = random.sample(grouped.indices, N)
抢组
df_list = map(lambda df_i: grouped.get_group(df_i), sampled_df_i)
可选 - 将其全部转回单个数据框对象
sampled_df = pd.concat(df_list, axis=0, join='outer')
sampled_df_i = random.sample(grouped.indicies, N)
AttributeError: 'DataFrameGroupBy' object has no attribute 'indicies'
df.groupby('A').get_group('foo')
相当于:
df[df['A'] == 'foo']
groups = dict(list(gb))
仅存储列C
?假设我对其他列不感兴趣,因此不想存储它们。dict(list( df.groupby(['A'])['C'] ))
dict(iter(g))
更有效(但等效)。 (虽然get_group
是最好的方式/因为它不涉及创建字典/让你留在熊猫中!:D)gb_dict = {str(indx): str(val) for indx in gb.indx for val in gb.some_key}
然后通过gb_dict[some_key]
检索值get_group()
,多年来一直不需要这个食谱。