Pandas 数据框中的 MultiIndex Group By

Posted 2023-03-12

【中文标题】Pandas 数据框中的 MultiIndex Group By

【英文标题】：MultiIndex Group By in Pandas Data Frame

【发布时间】：2014-04-08 12:40:31

【问题描述】：

我有一个数据集，其中包含按年份划分的国家和经济指标统计数据，按如下方式组织：

Country  Metric           2011   2012   2013  2014
  USA     GDP               7      4     0      2
  USA     Pop.              2      3     0      3
  GB      GDP               8      7     0      7
  GB      Pop.              2      6     0      0
  FR      GDP               5      0     0      1
  FR      Pop.              1      1     0      5

如何在 pandas 中使用 MultiIndex 来创建一个仅按年份显示每个国家/地区的 GDP 的数据框？

我试过了：

df = data.groupby(['Country', 'Metric'])

但它不能正常工作。

【参考方案1】：

这是你要找的东西吗：

df = df.groupby(['Metric'])
df.get_group('GDP')

   Country Metric  2011    2012    2013    2014
0    USA     GDP     7      4       0       2
2    GB      GDP     8      7       0       7
4    FR      GDP     5      0       0       1

【参考方案2】：

在这种情况下，您实际上不需要groupby。你也没有MultiIndex。你可以这样制作：

import pandas
from io import StringIO

datastring = StringIO("""\
Country  Metric           2011   2012   2013  2014
USA     GDP               7      4     0      2
USA     Pop.              2      3     0      3
GB      GDP               8      7     0      7
GB      Pop.              2      6     0      0
FR      GDP               5      0     0      1
FR      Pop.              1      1     0      5
""")
data = pandas.read_table(datastring, sep='\s\s+')
data.set_index(['Country', 'Metric'], inplace=True)

那么data 看起来像这样：

                2011  2012  2013  2014
Country Metric                        
USA     GDP        7     4     0     2
        Pop.       2     3     0     3
GB      GDP        8     7     0     7
        Pop.       2     6     0     0
FR      GDP        5     0     0     1
        Pop.       1     1     0     5

现在要获取 GDP，您可以通过 xs 方法获取数据框的横截面：

data.xs('GDP', level='Metric')

         2011  2012  2013  2014
Country                        
USA         7     4     0     2
GB          8     7     0     7
FR          5     0     0     1

这很容易，因为您的数据已经旋转/取消堆叠。如果他们不是并且看起来像这样：

data.columns.names = ['Year']
data = data.stack()
data

Country  Metric  Year
USA      GDP     2011    7
                 2012    4
                 2013    0
                 2014    2
         Pop.    2011    2
                 2012    3
                 2013    0
                 2014    3
GB       GDP     2011    8
                 2012    7
                 2013    0
                 2014    7
         Pop.    2011    2
                 2012    6
                 2013    0
                 2014    0
FR       GDP     2011    5
                 2012    0
                 2013    0
                 2014    1
         Pop.    2011    1
                 2012    1
                 2013    0
                 2014    5

然后您可以使用groupby 告诉您有关整个世界的一些信息：

data.groupby(level=['Metric', 'Year']).sum()
Metric  Year
GDP     2011    20
        2012    11
        2013     0
        2014    10
Pop.    2011     5
        2012    10
        2013     0
        2014     8

或者得到真正的幻想：

data.groupby(level=['Metric', 'Year']).sum().unstack(level='Metric')
Metric  GDP  Pop.
Year             
2011     20     5
2012     11    10
2013      0     0
2014     10     8

【讨论】：

我为什么要使用xs 方法而不是上面的解决方案？

@Barnaby 因为您的数据不需要以任何方式汇总。它们都是独特的价值。例如，groupby 适用于确定所有 GDP 的总和或人口中位数等。您要查找的只是数据框中已有的值。

@Barnaby 我添加了一些 grouby 示例

感谢您的扩展，这对您很有帮助。

感谢巧妙的数据生成技巧。