按嵌套字典键对pandas数据帧进行分组

Question

我有一个pandas数据框，其中一列是字典类型。以下是示例数据框：

import pandas as pd
df = pd.DataFrame({'a': [1,2,3], 
                   'b': [4,5,6], 
                   'version': [{'major': 7, 'minor':1}, 
                               {'major':8, 'minor': 5},
                               {'major':7, 'minor':2}] })

df:

   a  b                   version
0  1  4  {'minor': 1, 'major': 7}
1  2  5  {'minor': 5, 'major': 8}
2  3  6  {'minor': 2, 'major': 7}

我正在寻找一种方法，通过字典中的一个键来对数据框进行分组; 在这种情况下，将 df 数据框按 version 标签中的 major 键分组。

我尝试了几种不同的方法，从将字典键传递给数据框 groupby 函数 `df.groupby(['version']['major'])`，但这并不起作用，因为 major 不是数据框标签的一部分，到将 version 分配给数据框索引，但目前仍然没有解决。我还尝试将字典展开为数据框本身的附加列，但这似乎有自己的问题。

有什么想法吗？

P.S. 抱歉格式不好，这是我的第一个stackoverflow问题。

- RexIncognito

Answer 1

Option 1

df.groupby(df.version.apply(lambda x: x['major'])).size()

version
7    2
8    1
dtype: int64

---

df.groupby(df.version.apply(lambda x: x['major']))[['a', 'b']].sum()

选项2

（注：本翻译仅供参考，具体语言表述请根据上下文和实际情况进行调整）

df.groupby(df.version.apply(pd.Series).major).size()

major
7    2
8    1
dtype: int64

---

df.groupby(df.version.apply(pd.Series).major)[['a', 'b']].sum()

- piRSquared

---

我喜欢你的版本。 - MaxU - stand with Ukraine

太好了！我没想到apply函数可以作为索引选择器来使用数据框。谢谢，@piRSquared！ - RexIncognito

我不理解你的问题。请考虑提出一个新的问题。 - piRSquared

Answer 2

你可以这样做：

In [15]: df.assign(major=df.version.apply(pd.Series).major).groupby('major').sum()
Out[15]:
       a   b
major
7      4  10
8      2   5

- MaxU - stand with Ukraine

---

我以前从未见过 assign。今天我学到了新东西。 - piRSquared

是啊，如果用assign就可以避免很多concat和merge的操作了。 - RexIncognito