关于python:pandas:创建单一尺寸&

pandas: create single size & sum columns after group by multiple columns

我有一个数据框架,我在其中对3列进行GroupBy,并对数值列的总和和大小进行聚合。运行代码后

1
df = pd.DataFrame.groupby(['year','cntry', 'state']).agg(['size','sum'])

我得到如下信息:

Image of datafram

现在,我想从主列中拆分大小子列,只创建单个大小的列,但要将总和列保留在主列标题下。我尝试过不同的方法,但没有成功。以下是我尝试过但无法让事情对我起作用的方法:

如何按对象统计熊猫组中的行数?

将pandas groupby对象转换为数据帧

如果有人能帮助我,我将不胜感激。

当做,


安装程序

1
2
3
4
5
6
7
8
9
10
11
d1 = pd.DataFrame(dict(
        year=np.random.choice((2014, 2015, 2016), 100),
        cntry=['United States' for _ in range(100)],
        State=np.random.choice(states, 100),
        Col1=np.random.randint(0, 20, 100),
        Col2=np.random.randint(0, 20, 100),
        Col3=np.random.randint(0, 20, 100),
    ))

df = d1.groupby(['year', 'cntry', 'State']).agg(['size', 'sum'])
df

enter image description here

回答最简单的方法是只在groupby之后运行size

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
d1.groupby(['year', 'cntry', 'State']).size()

year  cntry          State        
2014  United States  California       10
                     Florida           9
                     Massachusetts     8
                     Minnesota         5
2015  United States  California        9
                     Florida           7
                     Massachusetts     4
                     Minnesota        11
2016  United States  California        8
                     Florida           8
                     Massachusetts    11
                     Minnesota        10
dtype: int64

使用计算的df

1
df.xs('size', axis=1, level=1)

enter image description here

如果每个列的size不同,这将很有用。但由于size列与['Col1', 'Col2', 'Col3']列相同,我们可以这样做。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
df[('Col1', 'size')]

year  cntry          State        
2014  United States  California       10
                     Florida           9
                     Massachusetts     8
                     Minnesota         5
2015  United States  California        9
                     Florida           7
                     Massachusetts     4
                     Minnesota        11
2016  United States  California        8
                     Florida           8
                     Massachusetts    11
                     Minnesota        10
Name: (Col1, size), dtype: int64

组合视图1

1
2
pd.concat([df[('Col1', 'size')].rename('size'),
           df.xs('sum', axis=1, level=1)], axis=1)

enter image description here

组合视图2

1
2
pd.concat([df[('Col1', 'size')].rename(('', 'size')),
           df.xs('sum', axis=1, level=1, drop_level=False)], axis=1)

enter image description here


PirSquared击败了我,但如果你必须这样做,并想保持与下面的列和和或大小对齐,你可以重新索引列以删除大小值,然后添加一个新列以包含大小值。

例如:

1
2
3
4
5
6
7
group = df.groupby(['year', 'cntry','state']).agg(['sum','size'])
mi = pd.MultiIndex.from_product([['Col1','Col2','Col3'],['sum']])
group = group.reindex_axis(mi,axis=1)
sizes = df.groupby('state').size().values
group['Tot'] = 0
group.columns = group.columns.set_levels(['sum','size'], level=1)
group.Tot.size = sizes

结果会是这样:

1
2
3
4
5
6
7
                 Col1 Col2 Col3  Tot
                  sum  sum  sum size
year cntry State
2015 US    CA      20    0    4    1
           FL      40    3    5    1
           MASS     8    1    3    1
           MN      12    2    3    1