如何在 groupby 2 列之后保留 DataFrame 的原始索引？

Posted 2023-03-11

【中文标题】如何在 groupby 2 列之后保留 DataFrame 的原始索引？

【英文标题】：How to keep original index of a DataFrame after groupby 2 columns?

【发布时间】：2018-08-19 08:37:09

【问题描述】：

执行 groupby 后，有什么方法可以保留大型数据框的原始索引？我需要这样做的原因是因为我需要将内部合并回我的原始 df（在我的 groupby 之后）以重新获得那些丢失的列。并且索引值是执行合并回的唯一“唯一”列。有谁知道我如何做到这一点？

我的 DataFrame 很大。 我的 groupby 看起来像这样：

df.groupby(['col1', 'col2']).agg('col3': 'count').reset_index()

这会从我想要保留的原始数据框中删除我的原始索引。

【问题讨论】：

当你对数据进行分组时，你希望每一行有什么索引？每个组很可能会在原始数据框中组合许多行。例如，您是否期望与该组相关的索引列表？

是的！这就是我要找的

【参考方案1】：

如果您想保留原始索引，则不应使用“reset_index()”

【讨论】：

那个不行，即使reset_index()不存在，groupby也不保留原来的索引

你是对的，它不会解决问题。我的错。让我看看能不能找到解决办法。

【参考方案2】：

您可以通过reset_index 将您的索引提升到一列。然后通过agg 和count 聚合将您的索引聚合到一个元组中。

下面是一个最小的例子。

import pandas as pd, numpy as np

df = pd.DataFrame(np.random.randint(0, 4, (50, 5)),
                  index=np.random.randint(0, 4, 50))

df = df.reset_index()

res = df.groupby([0, 1]).agg(2: 'count', 'index': lambda x: tuple(x)).reset_index()

#     0  1  2            index
# 0   0  0  4     (2, 0, 0, 2)
# 1   0  1  4     (0, 3, 1, 1)
# 2   0  2  1             (1,)
# 3   0  3  1             (3,)
# 4   1  0  4     (1, 2, 1, 3)
# 5   1  1  2           (1, 3)
# 6   1  2  4     (2, 1, 2, 2)
# 7   1  3  1             (2,)
# 8   2  0  5  (0, 3, 0, 2, 2)
# 9   2  1  2           (0, 2)
# 10  2  2  5  (1, 1, 3, 3, 2)
# 11  2  3  2           (0, 1)
# 12  3  0  4     (0, 3, 3, 3)
# 13  3  1  4     (1, 3, 0, 1)
# 14  3  2  3        (3, 2, 1)
# 15  3  3  4     (3, 3, 2, 1)

【讨论】：

据我了解 OPs 问题.. 这是正确答案。

确实是正确答案1

【参考方案3】：

我认为您正在寻找这种情况下的转换：

df['count'] = df.groupby(['col1', 'col2'])['col3'].transform('count')

【讨论】：

根据 cmets，他想知道哪些索引对每个组有贡献

这似乎是从 Pandas 0.25.1 开始的最佳解决方案

有没有这样一个简单的解决方案，其性能类似于在没有转换的情况下丢失索引？我正在使用 groups.last() 和 groups.transform('last') 慢得多。熊猫 1.3.4

@jayen 我不明白你的问题。

groups.transform('last') 很慢。 groups.last() 很快。有没有一种快速的方法来使用 groupby 并保持索引？我设法通过将索引复制到列然后在 groupby 之后恢复它来做到这一点。几乎和groups.last()一样快