如何按键访问pandas groupby数据框

Question

如何通过key访问groupby对象中对应的groupby数据框？

使用以下 groupby：

rand = np.random.RandomState(1)
df = pd.DataFrame({'A': ['foo', 'bar'] * 3,
                   'B': rand.randn(6),
                   'C': rand.randint(0, 20, 6)})
gb = df.groupby(['A'])

我可以遍历它以获取键和组：

In [11]: for k, gp in gb:
             print 'key=' + str(k)
             print gp
key=bar
     A         B   C
1  bar -0.611756  18
3  bar -1.072969  10
5  bar -2.301539  18
key=foo
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

我希望能够通过其密钥访问组：

In [12]: gb['foo']
Out[12]:  
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

但是当我尝试使用 gb[('foo',)] 执行此操作时，我得到了这个奇怪的 pandas.core.groupby.DataFrameGroupBy 对象，它似乎没有任何与我想要的 DataFrame 对应的方法。

我能想到的最好的是：

In [13]: def gb_df_key(gb, key, orig_df):
             ix = gb.indices[key]
             return orig_df.ix[ix]

         gb_df_key(gb, 'foo', df)
Out[13]:
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14  

但这有点讨厌，考虑到熊猫通常在这些事情上是多么的好。
这样做的内置方法是什么？

Answer 1

你可以使用get_group方法：

In [21]: gb.get_group('foo')
Out[21]: 
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

注意：这不需要为每个组创建中间字典/每个子数据帧的副本，因此比使用 dict(iter(gb)) 创建简单字典更节省内存。这是因为它使用了 groupby 对象中已有的数据结构。

---

您可以使用 groupby 切片选择不同的列：

In [22]: gb[["A", "B"]].get_group("foo")
Out[22]:
     A         B
0  foo  1.624345
2  foo -0.528172
4  foo  0.865408

In [23]: gb["C"].get_group("foo")
Out[23]:
0     5
2    11
4    14
Name: C, dtype: int64

Answer 2

Python for Data Analysis 中的 Wes McKinney（pandas 的作者）提供了以下秘诀：

groups = dict(list(gb))

它返回一个字典，其键是您的组标签，其值是 DataFrame，即

groups['foo']

将产生您正在寻找的东西：

     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Answer 3

而不是

gb.get_group('foo')

我更喜欢使用gb.groups

df.loc[gb.groups['foo']]

因为这样您也可以选择多个列。例如：

df.loc[gb.groups['foo'],('A','B')]

Answer 4

gb = df.groupby(['A'])

gb_groups = grouped_df.groups

如果您正在寻找选择性 groupby 对象，请执行：gb_groups.keys()，并将所需的密钥输入以下 key_list..

gb_groups.keys()

key_list = [key1, key2, key3 and so on...]

for key, values in gb_groups.items():
    if key in key_list:
        print(df.ix[values], "\n")

Answer 5

我正在寻找一种方法来对 GroupBy obj 的一些成员进行抽样 - 必须解决发布的问题才能完成这项工作。

根据some_key 列创建groupby 对象

grouped = df.groupby('some_key')

挑选 N 个数据帧并获取它们的索引

sampled_df_i  = random.sample(grouped.indices, N)

抓组

df_list  = map(lambda df_i: grouped.get_group(df_i), sampled_df_i)

可选 - 将其全部转回单个数据框对象

sampled_df = pd.concat(df_list, axis=0, join='outer')