将Pandas GroupBy对象转换为DataFrame

我从这样的input数据开始

df1 = pandas.DataFrame( { "Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] , "City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"] } )

当打印时显示为：

  City Name 0 Seattle Alice 1 Seattle Bob 2 Portland Mallory 3 Seattle Mallory 4 Seattle Bob 5 Portland Mallory

分组非常简单：

 g1 = df1.groupby( [ "Name", "City"] ).count()

并打印产生一个GroupBy对象：

  City Name Name City Alice Seattle 1 1 Bob Seattle 2 2 Mallory Portland 2 2 Seattle 1 1

但最终我想要的是另一个DataFrame对象，其中包含GroupBy对象中的所有行。换句话说，我想得到以下结果：

  City Name Name City Alice Seattle 1 1 Bob Seattle 2 2 Mallory Portland 2 2 Mallory Seattle 1 1

我不能完全看到如何在pandas文档中做到这一点。任何提示将受到欢迎。

g1这里是一个DataFrame。不过，它有一个分层索引：

 In [19]: type(g1) Out[19]: pandas.core.frame.DataFrame In [20]: g1.index Out[20]: MultiIndex([('Alice', 'Seattle'), ('Bob', 'Seattle'), ('Mallory', 'Portland'), ('Mallory', 'Seattle')], dtype=object)

也许你想要这样的东西？

 In [21]: g1.add_suffix('_Count').reset_index() Out[21]: Name City City_Count Name_Count 0 Alice Seattle 1 1 1 Bob Seattle 2 2 2 Mallory Portland 2 2 3 Mallory Seattle 1 1

或者类似的东西：

 In [36]: DataFrame({'count' : df1.groupby( [ "Name", "City"] ).size()}).reset_index() Out[36]: Name City count 0 Alice Seattle 1 1 Bob Seattle 2 2 Mallory Portland 2 3 Mallory Seattle 1

我想稍微改变Wes的答案，因为版本0.16.2需要设置as_index=False 。如果你不设置它，你会得到空的数据框。

来源：

当as_index=True （默认值）时，聚合函数将不会返回您正在聚合的组。分组的列将是返回对象的索引。

传递as_index=False将返回您正在聚合的组，如果它们是命名列。

聚合函数是减less返回对象维度的函数，例如： mean ， sum ， size ， count ， std ， var ， sem ， describe ， first ， last ， nth ， min ， max 。例如，当您执行DataFrame.sum()时会发生这种情况，并返回一个Series 。

nth可以作为一个reducer或filter，看到这里。

 import pandas as pd df1 = pd.DataFrame({"Name":["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"], "City":["Seattle","Seattle","Portland","Seattle","Seattle","Portland"]}) print df1 # # City Name #0 Seattle Alice #1 Seattle Bob #2 Portland Mallory #3 Seattle Mallory #4 Seattle Bob #5 Portland Mallory # g1 = df1.groupby(["Name", "City"], as_index=False).count() print g1 # # City Name #Name City #Alice Seattle 1 1 #Bob Seattle 2 2 #Mallory Portland 2 2 # Seattle 1 1 #

编辑：

在版本0.17.1及更高版本中，您可以在count使用subset在参数name中使用reset_index ：

 print df1.groupby(["Name", "City"], as_index=False ).count() #IndexError: list index out of range print df1.groupby(["Name", "City"]).count() #Empty DataFrame #Columns: [] #Index: [(Alice, Seattle), (Bob, Seattle), (Mallory, Portland), (Mallory, Seattle)] print df1.groupby(["Name", "City"])[['Name','City']].count() # Name City #Name City #Alice Seattle 1 1 #Bob Seattle 2 2 #Mallory Portland 2 2 # Seattle 1 1 print df1.groupby(["Name", "City"]).size().reset_index(name='count') # Name City count #0 Alice Seattle 1 #1 Bob Seattle 2 #2 Mallory Portland 2 #3 Mallory Seattle 1

count和size之间的差异是size计数NaN值，而count没有。

简单地说，这应该完成这个任务：

 import pandas as pd grouped_df = df1.groupby( [ "Name", "City"] ) pd.DataFrame(grouped_df.size().reset_index(name = "Group_Count"))

这里，grouped_df.size（）提取唯一的groupby计数，而reset_index（）方法重置所需列的名称。最后，调用pandas Dataframe（）函数来创buildDataFrame对象。

我发现这对我有用。

 import numpy as np import pandas as pd df1 = pd.DataFrame({ "Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] , "City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"]}) df1['City_count'] = 1 df1['Name_count'] = 1 df1.groupby(['Name', 'City'], as_index=False).count()

也许我误解了这个问题，但是如果你想将groupby转换回数据框，你可以使用.to_frame（）。当我这样做时，我想重置索引，所以我也包含了这个部分。

与问题无关的示例代码

 df = df['TIME'].groupby(df['Name']).min() df = df.to_frame() df = df.reset_index(level=['Name',"TIME"])

将Pandas GroupBy对象转换为DataFrame

将pandas多指标转入栏目