Python：分组后的索引不正确，具有不同的聚合到一组列
Posted
技术标签:
【中文标题】Python：分组后的索引不正确，具有不同的聚合到一组列【英文标题】：Python: Incorrect index after group by with different aggregation to set of columns 【发布时间】：2020-01-18 18:11:43 【问题描述】：我想按CurrentDate, Car 字段分组并应用以下功能：
np.mean 函数到['Attr1',...'Attr5'] 列的列表；
np.random 用于Factory 列；
这里介绍了df的例子：
Index Car Attr1 Attr2 Attr3 Attr4 Attr5 AttrFactory CurrentDate
0 Nissan 0.0 1.7 3.7 0.0 6.8 F1 01/07/18
1 Nissan 0.0 1.7 3.7 0.0 6.8 F2 01/07/18
2 Nissan 0.0 1.7 3.7 0.0 6.8 F3 03/08/18
3 Porsche 10.0 0.0 2.8 3.5 6.5 F2 05/08/18
4 Porsche 10.0 2.0 0.8 3.5 6.5 F1 05/08/18
5 Golf 0.0 1.7 3.0 2.0 6.3 F4 07/09/18
6 Tiguan 1.0 0.0 3.0 5.2 5.8 F5 10/09/18
7 Porsche 0.0 0.0 3.0 4.2 7.8 F4 12/09/18
8 Tiguan 0.0 0.0 0.0 7.2 9.0 F3 13/09/18
9 Golf 0.0 3.0 0.0 0.0 4.8 F5 25/09/18
10 Golf 0.0 3.0 0.0 0.0 4.8 F1 25/09/18
11 Golf 0.0 3.0 0.0 0.0 4.8 F3 25/09/18
我尝试通过以下代码做到这一点：
metric_cols = df.filter(regex='^Attr',axis=1).columns #it's list of all Attr columns;
addt_col = list(df.filter(regex='^Attr',axis=1).columns).remove('AttrFactory')
df_gr = df.groupby(['CurrentDate', 'Car'], as_index=False)[metric_cols].agg(addt_col: np.mean, 'AttrFactory': lambda x: x.iloc[np.random.choice(range(0,len(x)))])
结果我收到了带有 inctorrect 索引的df：
CurrentDate Car NaN
CurrentDate Car Attr1 Attr2 Attr3 Attr4 Attr5 AttrFactory
01/07/18 Nissan 01/07/18 Nissan 0.0 1.7 3.7 0.0 6.8 F1
03/08/18 Nissan 03/08/18 Nissan 0.0 1.7 3.7 0.0 6.8 F3
05/08/18 Porsche 05/08/18 Porsche 10.0 1.0 1.8 3.5 6.5 F1
... ... ... ... ... ... ... ... ... ...
13/09/18 Tiguan 13/09/18 Tiguan 0.0 0.0 0.0 7.2 9.0 F3
25/09/18 Golf 25/09/18 Golf 0.0 1.0 0.0 0.0 4.8 F3
预期输出为df_gr:
Attr1 Attr2 Attr3 Attr4 Attr5 AttrFactory
01/07/18 Nissan 0.0 1.7 3.7 0.0 6.8 F1
03/08/18 Nissan 0.0 1.7 3.7 0.0 6.8 F3
05/08/18 Porsche 10.0 1.0 1.8 3.5 6.5 F1
... ... ... ... ... ... ... ...
13/09/18 Tiguan 0.0 0.0 0.0 7.2 9.0 F3
25/09/18 Golf 0.0 1.0 0.0 0.0 4.8 F3
如何修复结果顶部的CurrentDate Car Nan 错误索引？
我很感激任何想法，谢谢）
【问题讨论】：
【参考方案1】：您可以制作一个聚合字典并将它们传递给 agg
在：
metric_cols = df.filter(regex='^Attr\d',axis=1).columns
d = dict.fromkeys(metric_cols, ['mean'])
d['AttrFactory'] = lambda x: x.iloc[np.random.choice(range(0,len(x)))]
df = df.groupby(['CurrentDate', 'Car'], as_index=False).agg(d).droplevel(1, axis=1)
输出：
| | CurrentDate | Car | Attr1 | Attr2 | Attr3 | Attr4 | Attr5 | AttrFactory |
|---|-------------|---------|-------|-------|--------------------|-------|-------|-------------|
| 0 | 01/07/18 | Nissan | 0.0 | 1.7 | 3.7 | 0.0 | 6.8 | F2 |
| 1 | 03/08/18 | Nissan | 0.0 | 1.7 | 3.7 | 0.0 | 6.8 | F3 |
| 2 | 05/08/18 | Porsche | 10.0 | 1.0 | 1.7999999999999998 | 3.5 | 6.5 | F1 |
| 3 | 07/09/18 | Golf | 0.0 | 1.7 | 3.0 | 2.0 | 6.3 | F4 |
| 4 | 10/09/18 | Tiguan | 1.0 | 0.0 | 3.0 | 5.2 | 5.8 | F5 |
| 5 | 12/09/18 | Porsche | 0.0 | 0.0 | 3.0 | 4.2 | 7.8 | F4 |
| 6 | 13/09/18 | Tiguan | 0.0 | 0.0 | 0.0 | 7.2 | 9.0 | F3 |
| 7 | 25/09/18 | Golf | 0.0 | 3.0 | 0.0 | 0.0 | 4.8 | F1 |
【讨论】：
【参考方案2】：您的聚合器是按列应用的，因此存储在第 2 级，而列名存储在第 1 级（以防止覆盖）。这在每列应用多个聚合器时特别有用。
解决方案如下：
# Merge the aggregator with the column name
df_gr.columns = ['_'.join(x) for x in df_gr.columns.values.reshape(-1)]
【讨论】：
以上是关于Python：分组后的索引不正确，具有不同的聚合到一组列的主要内容，如果未能解决你的问题，请参考以下文章