如何通过对多个变量进行分组来创建新的 pandas 数据框？

Posted 2023-03-27

【中文标题】如何通过对多个变量进行分组来创建新的 pandas 数据框？

【英文标题】：How do I create new pandas dataframe by grouping multiple variables?

【发布时间】：2022-01-07 16:30:39

【问题描述】：

我很难对数据进行排序。在我试图弄清楚这一点的时间里，我可以手动创建一个新的 .csv 文件，但我需要通过代码来做到这一点。我有一个 150 年前球员棒球薪水的大型数据集。 This is what my dataset looks like.

我想创建一个新的数据框，用于添加给定球队在给定年份的个人球员工资，按球队和年份组织。使用以下技术，我想出了这个：team_salaries_groupby_team = salaries.groupby(['teamID','yearID']).agg('salary' : ['sum'])，它输出这个：my output。在屏幕上它看起来有点像我想要的，但我想要一个包含三列的数据框（加上左侧的索引）。我真的不能对这个输出做我想做的那种分析。

最后，我也试过这个方法：new_column = salaries['teamID'] + salaries['yearID'].astype(str) salaries['teamyear'] = new_column salaries teamyear = salaries.groupby(['teamyear']).agg('salary' : ['sum']) print(teamyear)。 Another output 它添加了给定年份每支球队的个人球员工资，但现在我不知道如何将年份分开并将其放入自己的列中。请帮忙？

【参考方案1】：

你只需要reset_index()

这里是示例代码：

salaries = pd.DataFrame(columns=['yearID','teamID','igID','playerID','salary'])

salaries=salaries.append('yearID':1985,'teamID':'ATL','igID':'NL','playerID':'A','salary':10000,ignore_index=True)
salaries=salaries.append('yearID':1985,'teamID':'ATL','igID':'NL','playerID':'B','salary':20000,ignore_index=True)
salaries=salaries.append('yearID':1985,'teamID':'ATL','igID':'NL','playerID':'A','salary':10000,ignore_index=True)
salaries=salaries.append('yearID':1985,'teamID':'ATL','igID':'NL','playerID':'C','salary':5000,ignore_index=True)
salaries=salaries.append('yearID':1985,'teamID':'ATL','igID':'NL','playerID':'B','salary':20000,ignore_index=True)

salaries=salaries.append('yearID':2016,'teamID':'ATL','igID':'NL','playerID':'A','salary':100000,ignore_index=True)
salaries=salaries.append('yearID':2016,'teamID':'ATL','igID':'NL','playerID':'B','salary':200000,ignore_index=True)
salaries=salaries.append('yearID':2016,'teamID':'ATL','igID':'NL','playerID':'C','salary':50000,ignore_index=True)
salaries=salaries.append('yearID':2016,'teamID':'ATL','igID':'NL','playerID':'A','salary':100000,ignore_index=True)
salaries=salaries.append('yearID':2016,'teamID':'ATL','igID':'NL','playerID':'B','salary':200000,ignore_index=True)

之后，groupby 和 reset_index

sample_df = salaries.groupby(['teamID', 'yearID']).salary.sum().reset_index() 

这就是你要找的吗？

【讨论】：

是的，我正在寻找一个类似的数据框，但要包含球队的总薪水，从该球队的每个球员那里添加。看起来你是手动制作的，一行一行。我有几千行数据可以使用。有什么想法可以运行一行代码来同时拉取选定列的每一行吗？我一直在搞乱.loc 试图做到这一点。 salaries = salaries.append('yearID':salaries.loc[0], 'teamID':salaries.loc[2], 'salary':salaries.loc[4], ignore_index = True) 不过这会引发错误。

@redleg_64 ：请忽略 append 部分，它只是用于创建一个虚拟数据框。 sample_df = salaries.groupby(['teamID', 'yearID']).salary.sum().reset_index() --> 这部分是我相信你正在寻找的。如果我错了，请纠正我

@redleg_64：我假设你已经有了数据框。如果没有，那么您可能需要使用 pandas 的 join 或 merge。

非常感谢@DukeLover 帮助我解决这个问题。知道你想对你的数据做什么，但不能通过代码来做，这可能会令人沮丧。 #imarookie