获取 pandas groupby 对象以忽略丢失的数据帧

Question

我正在使用 pandas 读取 excel 文件并将电子表格转换为数据框。然后我应用 groupby 并使用 get_group 将各个组存储在变量中以供以后计算。 我的问题是输入文件的大小并不总是相同，有时 groupby 会产生 10 个 dfs，有时会产生 25 个等。如果初始数据中缺少 df，我如何让我的程序忽略？

df = pd.read_excel(filepath, 0, skiprows=3, parse_cols='A,B,C,E,F,G',
                   names=['Result', 'Trial', 'Well', 'Distance', 'Speed', 'Time'])
df = df.replace({'-': 0}, regex=True) #replaces '-' values with 0
df = df['Trial'].unique()
gb = df.groupby('Trial') #groups by column Trial

trial_1 = gb.get_group('Trial     1')
trial_2 = gb.get_group('Trial     2')
trial_3 = gb.get_group('Trial     3')
trial_4 = gb.get_group('Trial     4')
trial_5 = gb.get_group('Trial     5')

假设我的初始数据只有 3 次试验，我如何让它在以后忽略 4、5 次试验？我的代码在所有试验都存在时运行，但在缺少一些试验时失败:(听起来很像需要一个 if 语句，但我疲惫的大脑不知道在哪里......

提前致谢！

Answer 1

分组后，您可以使用属性.groups 获取组，这将返回组名的字典，然后您可以动态地迭代字典键，因此您无需对大小进行硬编码：

In [22]:
df = pd.DataFrame({'grp':list('aabbbc'), 'val':np.arange(6)})
df

Out[22]:
  grp  val
0   a    0
1   a    1
2   b    2
3   b    3
4   b    4
5   c    5

In [23]:
gp = df.groupby('grp')
gp.groups

Out[23]:
{'a': Int64Index([0, 1], dtype='int64'),
 'b': Int64Index([2, 3, 4], dtype='int64'),
 'c': Int64Index([5], dtype='int64')}

In [25]:    
for g in gp.groups.keys():
    print(gp.get_group(g))

  grp  val
0   a    0
1   a    1
  grp  val
2   b    2
3   b    3
4   b    4
  grp  val
5   c    5