访问熊猫分组列表中的列答案

【问题标题】：Accessing to columns in a grouped list in pandas访问熊猫分组列表中的列
【发布时间】：2018-04-23 12:33:01
【问题描述】：

我在数据框中进行了groupby 操作，以按特定列的分类值进行分组。比如：

grouped = df.groupby(df["categories"])

如果我执行list(grouped)，我得到的是一个数据框列表，每个类别一个。到目前为止，一切顺利。

但我想在列表的每个数据框中选择一个特定的列。想象一下我要访问的列名为vals。我想要类似的东西：

my_array = [grouped[i]["vals"] for i in grouped]

但是前面的命令不起作用，我尝试过的其他组合也不起作用。你有什么建议吗？谢谢。

【问题讨论】：

标签： python pandas pandas-groupby

【解决方案1】：

grouped return tuples - 组名和DataFrame，所以可能的解决方案是：

#unpack tuples to i, df
my_array = [df['vals'] for i, df in grouped]

或者：

#select second value of tuple - df
my_array = [i[1]['vals'] for i in grouped]

示例：

df = pd.DataFrame({'D':[1,3,5,7],
                   'vals':[5,3,6,9],
                   'categories':list('aabb')})

print (df)
   D categories  vals
0  1          a     5
1  3          a     3
2  5          b     6
3  7          b     9

grouped = df.groupby(df["categories"])

print (list(grouped))
[('a',    D categories  vals
0  1          a     5
1  3          a     3), ('b',    D categories  vals
2  5          b     6
3  7          b     9)]

my_array = [df['vals'] for i in grouped]
print (my_array)
[0    5
1    3
2    6
3    9
Name: vals, dtype: int64, 0    5
1    3
2    6
3    9
Name: vals, dtype: int64]

【讨论】：

谢谢，第一个选项似乎可以满足我的要求。
@David - 是的，这也是我更喜欢的方式，因为更好:)

【解决方案2】：

从您共享的代码来看，您似乎使用i 作为索引，这是不正确的。在您的情况下，for i in grouped，i 是列表中的实际对象。

尝试其中一种

my_array = [df.vals for i, df in grouped]

或

my_array = [grouped[1][i]["vals"] for i in range(len(grouped))]

【讨论】：

抱歉，您的方法不起作用。我认为他们失败是由于 groupby 列表的元组结构，如@jezrael cmets。
我误解了grouped 只是数据框列表的列表。我进行了引用分组为原生 Pandas DataFrameGroupBy 对象的编辑。