Как получить доступ к пандам метода groupBy таблицы данных по основным

как получить доступ к соответствующему фрейму данных groupby в объекте groupby с помощью ключа? Со следующей группой:

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'])

Я могу перебирать его, чтобы получить ключи и группы:

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

Я хотел бы иметь возможность сделать что-то вроде

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

но когда я это делаю (ну, на самом деле я должен сделать gb[('foo',)]), Я получаю это странно pandas.core.groupby.DataFrameGroupBy вещь, которая, кажется, не имеет никаких методов, которые соответствуют фрейму данных, который я хочу.

в лучшее, что я могу придумать, это

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

но это довольно неприятно, учитывая, как хорошие панды обычно в таких вещах.
Какой встроенный способ сделать это?

5 99
python pandas dataframe group-by

5 ответов:

можно использовать get_group способ:

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

Примечание: это не требует создания промежуточного словаря / копии каждого субдатафрама для каждой группы, поэтому будет гораздо более эффективным для памяти, чем создание наивного словаря с dict(iter(gb)). Это связано с тем, что он использует структуры данных, уже доступные в объекте groupby.

вы можете выбрать различные столбцы с помощью groupby нарезки:

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
127

Уэс Маккинни (автор панд) в Python для анализа данных предоставляет следующий рецепт:

groups = dict(list(gb))

который возвращает словарь, ключи которого являются метками вашей группы и значения которых являются фреймами данных, т. е.

groups['foo']

даст то, что вы ищете:

     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14
54

, а не

gb.get_group('foo')

Я предпочитаю использовать gb.groups

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

потому что таким образом вы можете выбрать несколько столбцов, а также. например:

df.loc[gb.groups['foo'],('A','B')]
14
gb = df.groupby(['A'])

gb_groups = grouped_df.groups

Если вы ищете выборочные объекты groupby, то выполните: gb_groups.keys (), и введите нужный ключ в следующий key_list..

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"
2

Я искал способ попробовать несколько членов GroupBy obj-пришлось обратиться к опубликованному вопросу, чтобы сделать это.

создать объект groupby

grouped = df.groupdy('some_key')

выберите N фреймов данных и захватить их indicies

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

возьмите групп

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

дополнительно-превратите все это обратно в один объект dataframe

sampled_df = pd.concat(df_list, axis=0, join='outer')
1