68

Q1)我想做一个groupby,SQL风格的聚合并重命名输出列

示例数据集:

>>> df
    ID     Region  count
0  100       Asia      2
1  101     Europe      3
2  102         US      1
3  103     Africa      5
4  100     Russia      5
5  101  Australia      7
6  102         US      8
7  104       Asia     10
8  105     Europe     11
9  110     Africa     23

我想通过对这个数据集的观察进行分组,ID并对每个组Region求和count。所以我用了这样的东西......

>>> print(df.groupby(['ID','Region'],as_index=False).count().sum())

    ID     Region  count
0  100       Asia      2
1  100     Russia      5
2  101  Australia      7
3  101     Europe      3
4  102         US      9
5  103     Africa      5
6  104       Asia     10
7  105     Europe     11
8  110     Africa     23

在使用as_index=False时,我能够获得“类似 SQL”的输出。我的问题是我无法在这里重命名聚合变量count。所以在 SQL 中,如果想做上述事情,我会做这样的事情:

select ID, Region, sum(count) as Total_Numbers
from df
group by ID, Region
order by ID, Region

正如我们所看到的,我很容易将聚合变量重命名为countSQL Total_Numbers。我想在 Pandas 中做同样的事情,但在 group-by 函数中找不到这样的选项。有人可以帮忙吗?

第二个问题(更多是观察)是...

Q2) 是否可以直接在 Pandas 数据框函数中使用列名而不用引号将它们括起来?

我知道变量名是字符串,所以必须在引号内,但我看看是否在数据框函数之外使用它们,并且作为属性,我们不要求它们在引号内。df.ID.sum()等等。只有当我们在 DataFrame 函数中使用它时,或者df.sort()我们df.groupby必须在引号内使用它。这实际上有点痛苦,因为在 SQL 或 SAS 或其他语言中,我们只是使用变量名而不引用它们。对此有何建议?

请回答这两个问题(Q1 是主要的,Q2 更多的意见)。

4

2 回答 2

79

对于第一个问题,我认为答案是:

<your DataFrame>.rename(columns={'count':'Total_Numbers'})

或者

<your DataFrame>.columns = ['ID', 'Region', 'Total_Numbers']

至于第二个,我会说答案是否定的。由于python 数据模型,可以像 'df.ID' 一样使用它:

属性引用被翻译成在这个字典中的查找,例如,mx 等价于m。字典["x"]

于 2013-10-22T16:35:08.677 回答
40

当前(从 0.20 版开始)在 groupby 操作后更改列名的方法是链接该rename方法。有关更多详细信息,请参阅文档中的弃用说明

自 pandas 0.20 版起已弃用的答案

这是谷歌的第一个结果,虽然最佳答案有效,但它并没有真正回答这个问题。这里有一个更好的答案,并且在 github 上有一个关于将字典传递给该agg方法的完整功能的长时间讨论。

不幸的是,这些答案在文档中不存在,但用于分组、聚合和重命名列的一般格式使用字典字典。外部字典的键是要聚合的列名。内部字典具有新列名称和值作为聚合函数的键。

在我们到达那里之前,让我们创建一个四列 DataFrame。

df = pd.DataFrame({'A' : list('wwwwxxxx'), 
                   'B':list('yyzzyyzz'), 
                   'C':np.random.rand(8), 
                   'D':np.random.rand(8)})

   A  B         C         D
0  w  y  0.643784  0.828486
1  w  y  0.308682  0.994078
2  w  z  0.518000  0.725663
3  w  z  0.486656  0.259547
4  x  y  0.089913  0.238452
5  x  y  0.688177  0.753107
6  x  z  0.955035  0.462677
7  x  z  0.892066  0.368850

假设我们要按列分组,用和聚合A, B列,用聚合列。以下代码将执行此操作。CmeanmedianDmax

df.groupby(['A', 'B']).agg({'C':['mean', 'median'], 'D':'max'})

            D         C          
          max      mean    median
A B                              
w y  0.994078  0.476233  0.476233
  z  0.725663  0.502328  0.502328
x y  0.753107  0.389045  0.389045
  z  0.462677  0.923551  0.923551

这将返回一个带有分层索引的 DataFrame。原始问题询问有关在同一步骤中重命名列的问题。这可以使用字典字典:

df.groupby(['A', 'B']).agg({'C':{'C_mean': 'mean', 'C_median': 'median'}, 
                            'D':{'D_max': 'max'}})

            D         C          
        D_max    C_mean  C_median
A B                              
w y  0.994078  0.476233  0.476233
  z  0.725663  0.502328  0.502328
x y  0.753107  0.389045  0.389045
  z  0.462677  0.923551  0.923551

这会一次性重命名所有列,但仍然保留可以删除顶层的分层索引df.columns = df.columns.droplevel(0)

于 2016-12-04T18:35:21.367 回答