python - 如何循环分组的 Pandas 数据框？

Question

数据框：

  c_os_family_ss c_os_major_is l_customer_id_i
0      Windows 7                         90418
1      Windows 7                         90418
2      Windows 7                         90418

代码：

print df
for name, group in df.groupby('l_customer_id_i').agg(lambda x: ','.join(x)):
    print name
    print group

我正在尝试遍历聚合数据，但出现错误：

ValueError：解包的值太多

@EdChum，这是预期的输出：

                                                    c_os_family_ss  \
l_customer_id_i
131572           Windows 7,Windows 7,Windows 7,Windows 7,Window...
135467           Windows 7,Windows 7,Windows 7,Windows 7,Window...

                                                     c_os_major_is
l_customer_id_i
131572           ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,...
135467           ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,...

输出不是问题，我希望遍历每个组。

Answer 1

df.groupby('l_customer_id_i').agg(lambda x: ','.join(x))确实已经返回了一个数据框，因此您不能再循环遍历这些组。

一般来说：

• df.groupby(...)返回一个GroupBy对象（DataFrameGroupBy 或 SeriesGroupBy），通过它，您可以遍历组（如此处的文档中所述）。您可以执行以下操作：

  grouped = df.groupby('A')
  
  for name, group in grouped:
      ...
  

• 当您在 groupby 上应用函数时，在您的示例中df.groupby(...).agg(...)（但这也可以是transform, apply, mean, ...），您将在一个数据帧中将函数应用到不同组的结果组合在一起（应用和组合步骤groupby 的'split-apply-combine'范式）。因此，此结果将始终再次成为 DataFrame（或 Series 取决于应用的功能）。

Answer 2

这是一个迭代pd.DataFrame按列分组的示例atable。对于此示例，在for循环中生成 SQL 数据库的“创建”语句：

import pandas as pd

df1 = pd.DataFrame({
    'atable':     ['Users', 'Users', 'Domains', 'Domains', 'Locks'],
    'column':     ['col_1', 'col_2', 'col_a', 'col_b', 'col'],
    'column_type':['varchar', 'varchar', 'int', 'varchar', 'varchar'],
    'is_null':    ['No', 'No', 'Yes', 'No', 'Yes'],
})

df1_grouped = df1.groupby('atable')

# iterate over each group
for group_name, df_group in df1_grouped:
    print('\nCREATE TABLE {}('.format(group_name))

    for row_index, row in df_group.iterrows():
        col = row['column']
        column_type = row['column_type']
        is_null = 'NOT NULL' if row['is_null'] == 'No' else ''
        print('\t{} {} {},'.format(col, column_type, is_null))

    print(");")

Answer 3

如果您的数据框已经创建，您可以迭代索引值。

df = df.groupby('l_customer_id_i').agg(lambda x: ','.join(x))
for name in df.index:
    print name
    print df.loc[name]