sort - python pandas groupby index level




如何通過密鑰訪問熊貓群組數據框 (4)

您可以使用get_group方法:

In [21]: gb.get_group('foo')
Out[21]: 
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

注意:這不需要為每個組創建每個子數據框的中間字典/副本,因此使用dict(iter(gb))創建天真字典會更有效率。 這是因為它使用了groupby對像中已有的數據結構。

您可以使用groupby切片選擇不同的列:

In [22]: gb[["A", "B"]].get_group("foo")
Out[22]:
     A         B
0  foo  1.624345
2  foo -0.528172
4  foo  0.865408

In [23]: gb["C"].get_group("foo")
Out[23]:
0     5
2    11
4    14
Name: C, dtype: int64

如何通過密鑰訪問groupby對像中相應的groupby數據框? 有以下幾組:

rand = np.random.RandomState(1)
df = pd.DataFrame({'A': ['foo', 'bar'] * 3,
                   'B': rand.randn(6),
                   'C': rand.randint(0, 20, 6)})
gb = df.groupby(['A'])

我可以遍歷它來獲取密鑰和組:

In [11]: for k, gp in gb:
             print 'key=' + str(k)
             print gp
key=bar
     A         B   C
1  bar -0.611756  18
3  bar -1.072969  10
5  bar -2.301539  18
key=foo
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

我想能夠做類似的事情

In [12]: gb['foo']
Out[12]:  
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

但是,當我這樣做(當然,我必須做的gb[('foo',)] ),我得到這個奇怪的pandas.core.groupby.DataFrameGroupBy事情似乎沒有任何方法對應的DataFrame我想要。

我能想到的最好的是

In [13]: def gb_df_key(gb, key, orig_df):
             ix = gb.indices[key]
             return orig_df.ix[ix]

         gb_df_key(gb, 'foo', df)
Out[13]:
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14  

但考慮到熊貓通常在這些方面有多好,這是一種討厭的方式。
這樣做的內置方式是什麼?


我正在尋找一種方法來抽樣GroupBy obj的幾個成員 - 必須解決發布的問題才能完成此任務。

創建groupby對象

grouped = df.groupdy('some_key')

選擇N個數據框並獲取他們的標記

sampled_df_i  = random.sample(grouped.indicies,N)

抓住團體

df_list  = map(lambda df_i: grouped.get_group(df_i),sampled_df_i)

可選 - 將其全部重新轉換為單個數據框對象

sampled_df = pd.concat(df_list, axis=0, join='outer')

而不是

gb.get_group('foo')

我更喜歡使用gb.groups

df.loc[gb.groups['foo']]

因為這樣你也可以選擇多個列。 例如:

df.loc[gb.groups['foo'],('A','B')]

gb = df.groupby(['A'])

gb_groups = grouped_df.groups

如果您正在尋找有選擇性的groupby對象,請執行:gb_groups.keys(),然後將所需的鍵輸入到以下key_list中。

gb_groups.keys()

key_list = [key1, key2, key3 and so on...]

for key, values in gb_groups.iteritems():
    if key in key_list:
        print df.ix[values], "\n"






pandas