Pandas - 将分组的数据框存储为数据框，而不进行聚合

Question

我是Pandas的新手，已经阅读了很多文档、帖子和答案，但是我无法确定一个好的策略来实现我的目标，如果已经有人回答过了，对不起，我找不到。这是我的情况：

df = {'key': ['A', 'B', 'A', 'B'], 'value': [2,2,1,1]}
df = pd.DataFrame(df)
df
   key  value
0   A   2
1   B   2
2   A   1
3   B   1

我知道使用groupby()会返回一个分组对象，我也知道可以使用分组对象进行许多聚合操作（如计数、大小、平均值等）。然而，我不想进行聚合操作，我只想根据“key”列对数据框进行分组，并将其存储为以下数据框：

   key  value
0   A   2
1   A   1
2   B   2
3   B   1

完成这一步后，我最终想要的是按以下方式对每个组进行排序：

   key  value
0   A   1
1   A   2
2   B   1
3   B   2

非常感谢您的回答、评论或提示。谢谢！

- Fred

---

一个 groupby 对象只是描述如何执行分组的元数据，它不是一个 df，在对 groupby 对象执行某种聚合时返回一个 series 或 df。尝试存储这个对象是没有意义的。 - EdChum

好的，我在我的问题中提到groupby是一个对象，那么有什么提示或解决方案吗？因为下面建议的排序不是我要找的。我想保留表中行出现的顺序，而sort严格按字符串顺序对它们进行排序。 - Fred

Answer 1

您可以通过使用sort_values对数据框进行排序，而不是使用groupby来获得所需的输出。

df.sort_values(['key', 'value'], inplace=True)

编辑:

如果您确实想使用groupby来执行键的分组，那么可以对groupby对象应用一个微不足道的filter筛选器。

df = df.groupby('key').filter(lambda x: True)

这似乎不是获取数据框的最佳方法，但没有其他方法立即出现。之后，您仍需要使用 sort_values 来按值列排序。

- root

---

谢谢您的回答，但我想使用groupby的原因是：1- 我想找出是否有一种使用groupby的方法。2- 使用sort并不完全符合我的要求，因为它基于字符串（字母）或数字（值）进行排序，对吗？相反，我想按键分组，无论它们在字母表中的位置如何，以及/或数字，而是它们在表中的出现次数。 - Fred

我已经编辑了我的答案，包括使用 groupby 方法的内容。 - root

谢谢@root！但是好像没起作用，我在执行你编辑的那行代码后，数据框(df)没有发生变化，或者我漏掉了什么步骤？ - Fred

Answer 2

如果你愿意不使用链式写法，那么这个方法应该可以解决问题...

df = {'key': ['A', 'B', 'A', 'B'], 'value': [2,2,1,1]}
df = pd.DataFrame(df)

groups = df.groupby(['key', 'value'])
groups = sorted(groups)
df = pd.concat([g for _, g in groups])

print(df)

就记录而言，我不完全理解为什么您不会对整个框架进行排序... 我猜想您需要分组进行其他转换，除了排序之外，因此您希望节省对整个框架进行排序的时间。如果您通过这样做找到了更好的性能，请告诉我 :)

- CoreDump

Answer 3

如果您想使用groupby的原因是为了保留索引结构，那么可以按照以下方式操作：

df = {'key': ['A', 'B', 'A', 'B'], 'value': [2,2,1,1]}
df = pd.DataFrame(df)
print(df) 

key  value
0   A      2
1   B      2
2   A      1
3   B      1

所以，首先创建索引：

df.set_index(['key'], inplace=True)
print(df)

     value
key       
A        2
B        2
A        1
B        1

然后，对索引进行排序：

df.sort_index(inplace=True)
print(df)

     value
key       
A        2
A        1
B        2
B        1

然后，对值进行排序：

df.sort_values('value',inplace=True)
print(df)

     value
key       
A        1
B        1
A        2
B        2

如果你想保留原始索引，最后执行以下操作：

df.reset_index(inplace=True)
print(df)

  key  value
0   A      1
1   B      1
2   A      2
3   B      2

- Santiago