Pandas 数据框：如何将 describe() 应用于每个组并添加到新列？答案

【问题标题】：Pandas dataframe: how to apply describe() to each group and add to new columns?Pandas 数据框：如何将 describe() 应用于每个组并添加到新列？
【发布时间】：2016-02-08 02:51:42
【问题描述】：

df:

想得到如下形式的新数据框：

   name count mean std min 25% 50% 75% max
    A     5    3    .. ..  ..  ..  ..  ..
    B     4    5    .. ..  ..  ..  ..  ..

如何从 df.describe() 中提取信息并重新格式化？谢谢

【问题讨论】：

标签： python numpy pandas dataframe

【解决方案1】：

还有一个更短的:)

print df.groupby('name').describe().unstack(1)

没有什么比单线更好的了：

在 [145] 中：

打印 df.groupby('name').describe().reset_index().pivot(index='name', values='score', columns='level_1')

【讨论】：

print df.groupby('name').describe().unstack(1).reset_index() 有用
df.groupby('name').describe().unstack(1).reset_index().pivot(index='name', values=0, columns='level_1') 会给你一个更好的视野。

【解决方案2】：

定义一些数据

In[1]:
import pandas as pd
import io

data = """
name score
A      1
A      2
A      3
A      4
A      5
B      2
B      4
B      6
B      8
    """

df = pd.read_csv(io.StringIO(data), delimiter='\s+')
print(df)

.

Out[1]:
  name  score
0    A      1
1    A      2
2    A      3
3    A      4
4    A      5
5    B      2
6    B      4
7    B      6
8    B      8

解决方案

解决这个问题的一个很好的方法是使用生成器表达式（见脚注）来允许pd.DataFrame() 迭代groupby 的结果，并动态构建汇总统计数据框：

In[2]:
df2 = pd.DataFrame(group.describe().rename(columns={'score':name}).squeeze()
                         for name, group in df.groupby('name'))

print(df2)

.

Out[2]:
   count  mean       std  min  25%  50%  75%  max
A      5     3  1.581139    1  2.0    3  4.0    5
B      4     5  2.581989    2  3.5    5  6.5    8

这里squeeze 函数正在挤出一个维度，将单列组摘要统计Dataframe 转换为Series。

脚注：生成器表达式具有my_function(a) for a in iterator 的形式，或者如果iterator 给我们返回两个元素tuples，如groupby 的情况：my_function(a,b) for a,b in iterator

【讨论】：

我得到一个错误 - df = pandas.read_csv(io.StringIO(data), delimiter='\s+') TypeError: initial_value must be unicode or None, not str @Pedro M Duarte跨度>

【解决方案3】：

没有什么比单线更好的了：

In [145]:

print df.groupby('name').describe().reset_index().pivot(index='name', values='score', columns='level_1')

level_1  25%  50%  75%  count  max  mean  min       std
name                                                   
A        2.0    3  4.0      5    5     3    1  1.581139
B        3.5    5  6.5      4    8     5    2  2.581989

【讨论】：

【解决方案4】：

使用代码

df.groupby('name').describe()

【讨论】：

【解决方案5】：

表存储在名为df的数据框中

df= pd.read_csv(io.StringIO(data),delimiter='\s+')

只需指定列名，describe 即可为您提供所需的输出。通过这种方式，您可以计算 w.r.t 任何列

df.groupby('name')['score'].describe()

【讨论】：

【解决方案6】：

import pandas as pd
import io
import numpy as np

data = """
name score
A      1
A      2
A      3
A      4
A      5
B      2
B      4
B      6
B      8
    """

df = pd.read_csv(io.StringIO(data), delimiter='\s+')

df2 = df.groupby('name').describe().reset_index().T.drop('name')
arr = np.array(df2).reshape((4,8))

df2 = pd.DataFrame(arr[1:], index=['name','A','B'])

print(df2)

这会给你 df2 为：

              0     1        2    3    4    5    6    7
    name  count  mean      std  min  25%  50%  75%  max
    A         5     3  1.58114    1    2    3    4    5
    B         4     5  2.58199    2  3.5    5  6.5    8

【讨论】：

【解决方案7】：

嗯，我设法得到了你想要的，但它的扩展性不是很好。

import pandas as pd

name = ['a','a','a','a','a','b','b','b','b','b']
score = [1,2,3,4,5,2,4,6,8]

d = pd.DataFrame(zip(name,score), columns=['Name','Score'])
d = d.groupby('Name').describe()
d = d.reset_index()
df2 = pd.DataFrame(zip(d.level_1[8:], list(d.Score)[:8], list(d.Score)[8:]), columns = ['Name','A','B']).T

print df2

          0     1         2    3    4    5    6    7
Name  count  mean       std  min  25%  50%  75%  max
A         5     3  1.581139    1    2    3    4    5
B         4     5  2.581989    2  3.5    5  6.5    8

【讨论】：