Groupby 和仅选定的列答案

【问题标题】：Groupby and only selected ColumnsGroupby 和仅选定的列
【发布时间】：2018-12-08 13:01:44
【问题描述】：

我在这里读取文件“userdata.xlsx”：

ID  Debt    Email   Age User
1   7.5 john@email.com  16  John
2   15  john@email.com  15  John
3   22  john@email.com  15  John
4   30  david@email.com 22  David
5   33  david@email.com 22  David
6   51  fred@email.com  61  Fred
7   11  fred@email.com  25  Fred
8   24  eric@email.com  19  Eric
9   68  terry@email.com 55  Terry
10  335 terry@email.com 55  Terry

在这里，我按用户分组并为每个用户创建一个电子表格并将其输出为自己的 .xlsx 文件，如下所示：

ID  Debt    Email   Age User
1   7.5 john@email.com  16  John
2   15  john@email.com  15  John

这是完整的代码：

    #!/usr/bin/env python3

    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import xlrd

    df = pd.read_excel('userdata.xlsx')
    grp = df.groupby('User')

    for group in grp.groups:
        grouptofile = (grp.get_group(group))
        print(grouptofile)
        print(group)
        grouptofile.to_excel('%s.xlsx' % group , sheet_name='sheet1', index=False)

现在我只想保存选定的列以便为每个用户保存。假设我只想选择“ID”和“Email”列。我学会了如何像这样只选择某些列：

selected = df[['ID','Email']]

我现在认为在此处添加 ID 和电子邮件是有意义的。

grp = df.groupby('User')

添加了“ID”和“Email”

grp = df[['ID', 'Email']].groupby('User')

甚至可以组合 groupby 和选择列吗？

#!/usr/bin/env python3

    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import xlrd

    df = pd.read_excel('userdata.xlsx')
    grp = df[['ID', 'Email']].groupby('User')

    for group in grp.groups:
        grouptofile = (grp.get_group(group))
        print(grouptofile)
        print(group)
        grouptofile.to_excel('%s.xlsx' % group , sheet_name='sheet1', index=False)

这是我得到的错误：

Traceback (most recent call last):
  File "/Users/Barry/Documents/Python/Pandas/exelscript.py", line 22, in <module>
    grp = df[['ID', 'Email']].groupby('User')
  File "/usr/local/lib/python3.7/site-packages/pandas/core/generic.py", line 6665, in groupby
    observed=observed, **kwargs)
  File "/usr/local/lib/python3.7/site-packages/pandas/core/groupby/groupby.py", line 2152, in groupby
    return klass(obj, by, **kwds)
  File "/usr/local/lib/python3.7/site-packages/pandas/core/groupby/groupby.py", line 599, in __init__
    mutated=self.mutated)
  File "/usr/local/lib/python3.7/site-packages/pandas/core/groupby/groupby.py", line 3291, in _get_grouper
    raise KeyError(gpr)
KeyError: 'User'

【问题讨论】：

标签： python python-3.x pandas python-2.7

【解决方案1】：

我认为您需要在子集中指定列：

cols = ['ID', 'Email']
for i, group in df.groupby('User'):
    group[cols].to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)

如果得到KeyError: 'User'，则表示您要选择不存在的列。

所以如果选择列 ID 和 Email，则链式 groupby 找不到 User 列并引发错误：

print (df[['ID', 'Email']])
   ID            Email
0   1   john@email.com
1   2   john@email.com
2   3   john@email.com
3   4  david@email.com
4   5  david@email.com
5   6   fred@email.com
6   7   fred@email.com
7   8   eric@email.com
8   9  terry@email.com
9  10  terry@email.com

所以选择列也必须在 groupby 中使用：

for i, group in df[['ID', 'Email', 'User']].groupby('User'):
    group.to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)

或者像第一个解决方案一样在写入文件之前选择列。

for i, group in df[['ID', 'Email', 'User']].groupby('User'):
    group[cols].to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)

【讨论】：

工作方式与之前的代码相同。但它仍然输出所有列，而不仅仅是“ID”和“Email”。
谢谢哥们，如果你有时间能解释一下吗？只是为了让像我这样的菜鸟非常清楚
@Barry - 当然，没问题 :)

【解决方案2】：

有可能……但不完全是你的做法。

您实际上删除了除两列之外的所有列，然后尝试按不再存在的第三列进行分组。相反，您需要在选择列之前进行分组（虽然我不知道 numpy 中的分组是否是一种变异操作，所以您可能需要先进行复制）。

（可能次优）示例：

grp = df[('ID', 'Email', 'User')].groupby('User')[('ID', 'Email')]

【讨论】：