按数据框访问分组中的聚合值[重复]

Posted 2023-03-11

【中文标题】按数据框访问分组中的聚合值[重复]

【英文标题】：Access Aggregated Values in Group By Data Frame [duplicate]

【发布时间】：2020-08-07 09:46:51

【问题描述】：

我有一个数据框，其值如下：

name    action           time
------------------------------
Sam     enters building  20:00
Chris   enters building  20:15
Sam     walks up stairs  20:20
Steve   leaves building  20:25
James   enters building  20:30
Chris   takes elevator   20:32
Sam     leaves building  20:35
Chris   leaves building  20:40
Sam     enters building  20:45
...

我想获得每个人不同动作的计数。我可以使用df.groupby(['name','action'], as_index=False).size()

来完成

但是，这给了我一个视觉效果，但我无能为力。我想将这些计数用于不同的目的。如何将这些数据放入可访问的数据框中，以便我可以获得每个人进出建筑物的次数等信息。例如，我可以像 df['name' == 'Sam' & 'action'=='enters building] 这样调用并将该计数分配给变量？

【问题讨论】：

你能分享你的预期输出吗？

请提供minimal reproducible example。你有没有尝试过什么，做过什么研究？

【参考方案1】：

要使其成为数据框，您可以使用.reset_index()，然后将其设置为df。

df=df.groupby(['name','action'], as_index=False).size().reset_index()

【参考方案2】：

只需使用 count 代替 - size 不是 pandas 中的聚合函数，这就是为什么你的命令 as_index=False 什么都不做。

df.groupby(['name','action'], as_index=False).count()

输出：

    name           action  time
0  Chris  enters building     1
1  Chris  leaves building     1
2  Chris   takes elevator     1
3  James  enters building     1
4    Sam  enters building     2
5    Sam  leaves building     1
6    Sam  walks up stairs     1
7  Steve  leaves building     1

【参考方案3】：

您也可以使用您最初的想法。 在这种情况下，您将获得 Pandas 系列。您可以直接索引您感兴趣的值。

table = df.groupby(['name','action'], as_index=False).size()
table['Sam']['enters building']

【参考方案4】：

这是一个不同的解决方案，您可以添加 size，以便您仍然可以使用原始数据框：

df['size'] = df.groupby(['name', 'action']).transform(np.size)
df.iloc[[0,2,-1], :]


#   name  action            time    size
# 0 Sam   enters building   20:00   2
# 2 Sam   walks up stairs   20:20   1
# 8 Sam   enters building   20:45   2