假设我有一个Python字典,其中包含列表,如下所示:
注意,
现在假设我有与我的字典等效的Pandas DataFrame(相同的数据,相同的列表顺序和相同的键):
如果我使用Pandas的groupby,我无法看到如何进行按组迭代。相反,Pandas通过键值分组:
{'Grp': ['2' , '6' , '6' , '5' , '5' , '6' , '6' , '7' , '7' , '6'],
'Nums': ['6.20', '6.30', '6.80', '6.45', '6.55', '6.35', '6.37', '6.36', '6.78', '6.33']}
我可以使用itertools.groupby轻松对数字和关键字进行分组:
from itertools import groupby
for k, l in groupby(zip(di['Grp'], di['Nums']), key=lambda t: t[0]):
print k, [t[1] for t in l]
输出:
2 ['6.20']
6 ['6.30', '6.80'] # one field, key=6
5 ['6.45', '6.55']
6 ['6.35', '6.37'] # second
7 ['6.36', '6.78']
6 ['6.33'] # third
注意,
6
键被分为三个单独的组或字段。现在假设我有与我的字典等效的Pandas DataFrame(相同的数据,相同的列表顺序和相同的键):
Grp Nums
0 2 6.20
1 6 6.30
2 6 6.80
3 5 6.45
4 5 6.55
5 6 6.35
6 6 6.37
7 7 6.36
8 7 6.78
9 6 6.33
如果我使用Pandas的groupby,我无法看到如何进行按组迭代。相反,Pandas通过键值分组:
for e in df.groupby('Grp'):
print e
输出:
('2', Grp Nums
0 2 6.20)
('5', Grp Nums
3 5 6.45
4 5 6.55)
('6', Grp Nums
1 6 6.30
2 6 6.80 # df['Grp'][1:2] first field
5 6 6.35 # df['Grp'][5:6] second field
6 6 6.37
9 6 6.33) # df['Grp'][9] third field
('7', Grp Nums
7 7 6.36
8 7 6.78)
请注意,6
组键是聚在一起的,而不是分开的不同组。
我的问题是:是否有一种等效的方法使用Pandas的groupby,使得例如6
以与Python的groupby
相同的方式分为三组?
我尝试过这样做:
>>> df.reset_index().groupby('Grp')['index'].apply(lambda x: np.array(x))
Grp
2 [0]
5 [3, 4]
6 [1, 2, 5, 6, 9] # I *could* do a second groupby on this...
7 [7, 8]
Name: index, dtype: object
但是它仍然按照总体的Grp
键进行分组,我需要在nd.array
上再次进行分组,以将每个键的子组拆分出来。
groupby
被设计为返回一个具有唯一键的对象,但是这在这里是不可能的。您想如何区分重复键(6的不同组)? - Alex Riley