将 pandas groupby 对象保存到 csv 文件中

Posted 2023-03-11

【中文标题】将 pandas groupby 对象保存到 csv 文件中

【英文标题】：save a pandas groupby object into a csv file

【发布时间】：2020-04-24 01:19:52

【问题描述】：

虽然我读过类似的帖子，例如Pandas groupby to to_csv，但我有一个无法弄清楚的问题。它对我不起作用。我正在尝试编写代码以将每个组与 groupby 对象分开并将每个组保存到自己的 Excel 电子表格中。

我附上了一个玩具示例，该示例是为了让我的 groupby 对象出现在带有一些列的 pandas 上。

现在，我需要将此对象中的每个组保存到单独的 csv 文件中，或者至少保存在 Excel 中的单独工作表中。

dff = pd.DataFrame('SKU': ['001', '002', '003'],
                    'revenue_contribution_in_percentage': [0.2, 0.5, 0.3],
                    'BuyPrice' : [2,3,4],
                    'SellPrice' : [5,6,6],
                    'margin' : [3,3,2],
                    'Avg_per_week' : [3,2,5],
                    'StockOnHand' : [4,10,20],
                            'StockOnOrder': [0,0,0],
                            'Supplier' : ['ABC', 'ABC', 'ABZ' ],
                            'SupplierLeadTime': [5,5,5],
                            'cumul_value':[0.4,0.6,1],
                            'class_mention':['A','A','B'],
                            'std_week':[1,2,1],
                            'review_time' : [2,2,2],
                            'holding_cost': [0.35, 0.35, 0.35],
                            'aggregate_order_placement_cost': [200, 230,210]
)

我已完成以下操作以获取 groupby 供应商对象

groups = [group.reset_index().set_index(['SKU'])[[
                            'revenue_contribution_in_percentage',
                            'BuyPrice',
                            'SellPrice',
                            'margin',
                            'Avg_per_week',
                            'StockOnHand',
                            'StockOnOrder',
                            'Supplier',
                            'SupplierLeadTime',
                            'cumul_value',
                            'class_mention',
                            'std_week',
                            'review_time',
                            'holding_cost',
                            'aggregate_order_placement_cost',
                            'periods']] for _, group in dff.groupby('Supplier')]

df_group = pd.DataFrame(groups).sum()
group_to_excel = df_group.to_csv('results.csv')

我想得到的输出如下：两个不同的数据集，可以保存为 csv 格式，如下所示：

   SKU  revenue_contribution_in_percentage  BuyPrice  SellPrice  margin  \
0  001                                 0.2         2          5       3   
1  002                                 0.5         3          6       3   

   Avg_per_week  StockOnHand  StockOnOrder Supplier  SupplierLeadTime  \
0             3            4             0      ABC                 5   
1             2           10             0      ABC                 5   

   cumul_value class_mention  std_week  review_time  holding_cost  \
0          0.4             A         1            2          0.35   
1          0.6             A         2            2          0.35   

   aggregate_order_placement_cost  
0                             200  
1                             230  

和

   SKU  revenue_contribution_in_percentage  BuyPrice  SellPrice  margin  \
0  003                                 0.3         4          6       2   

   Avg_per_week  StockOnHand  StockOnOrder Supplier  SupplierLeadTime  \
0             5           20             0      ABZ                 5   

   cumul_value class_mention  std_week  review_time  holding_cost  \
0            1             B         1            2          0.35   

   aggregate_order_placement_cost  
0                             210  

此时，我的代码提供了一个并且只有一个工作表（可怕的工作表），上面几乎没有任何内容。我不确定此时有什么问题。 我将非常感谢对此的一些帮助！非常感谢！

【问题讨论】：

您能在电子表格中指定您想要的内容吗？理想情况下有一些虚拟数据，所以可以重现？我们不知道变量组包含什么。

df2 在哪里？我在groups 上遇到错误

抱歉打错了，df2实际上是dff，我刚刚更新了我的代码。

这个答案可以帮助按键访问组：***.com/questions/14734533/… 循环访问每个组并单独保存

【参考方案1】：

你不需要groupby，因为你没有聚合任何东西。您真正想要的是按每个独特的供应商分割dff 并将它们导出到他们自己的文件中。试试这个：

cols = [
    'SKU',
    'revenue_contribution_in_percentage',
    'BuyPrice',
    'SellPrice',
    'margin',
    'Avg_per_week',
    'StockOnHand',
    'StockOnOrder',
    'Supplier',
    'SupplierLeadTime',
    'cumul_value',
    'class_mention',
    'std_week',
    'review_time',
    'holding_cost',
    'aggregate_order_placement_cost'
]

for supplier in dff['Supplier'].unique():
    sub_dff = dff[dff['Supplier'] == supplier][cols]
    sub_dff.to_csv(f'supplier_data.csv')