熊猫数据框:groupby 和 plot 有两个不同的列
Posted
技术标签:
【中文标题】熊猫数据框:groupby 和 plot 有两个不同的列【英文标题】:Pandas data frame: groupby and plot with two different columns 【发布时间】:2018-12-29 00:40:52 【问题描述】:我是 Python 的超级初学者。长话短说,我想用一列分组,将一个函数应用于一列,将另一个函数应用于另一列,然后绘制结果(第一列到 x 轴,第二列到 y 轴)。
我有一个熊猫数据框df
,其中包含许多列。其中两列是tour_id
和tour_distance
。
tour_id tour_distance
A 10
A 10
A 10
A 10
B 20
B 20
C 40
C 40
C 40
C 40
C 40
: :
: :
由于我假设 tour_distance 越长,每个 tour_id 的行数越多,我想绘制 tour_distance
与每组 tour_id
中的行数的直方图。
问题 1:这个 groupby 和 plot 问题最简单的解决方案是什么?
问题 2:如何改进我失败的尝试?
我的尝试:我认为制作这样的新数据框会更容易。
tour_id tour_distance row_counts
A 10 3
B 20 2
C 40 5
: : :
这样我可以使用matplotlib
并这样做,
import matplotlib.pyplot as plt
x = df.tour_distance
y = df.row_counts
plt.bar(x,y)
但是,我无法制作这个数据框。
df_tour_distance = df.groupby('tour_id').tour_distance.head(1)
df_tour_distance = pd.DataFrame(df_tour_distance)
df_size = df.groupby('tour_id').tour_distance.size()
df_size = pd.DataFrame(df_size)
df = pd.merge(df_size, df_tour_distance, on='tour_id')
>>> KeyError: 'tour_id'
这也失败了:
g = df.groupby('tour_id')
result = g.agg('Count':lambda x:x.size(),
'tour_distance_grouped':lambda x:x.head(1))
result
>>> KeyError: 'Count'
【问题讨论】:
请检查您的拼写;-) 【参考方案1】:你的代码中的问题是,一旦你 groupby tour_id
,它就变成了索引。您必须指定as_index=False
或使用reset_index()
才能使用它。此外,您不需要找到一个系列然后将其合并回来。
你需要:
g = df.groupby(['tour_id', 'tour_distance']).size().reset_index(name='count')
plt.bar(g['tour_id'],g['count'])
输出:
【讨论】:
【参考方案2】:可以更容易实现:
import pandas as pd
tour_id = ['A']*4+['B']*2+['C']*5
tour_distance = [10]*4+[20]*2+[40]*5
df = pd.DataFrame('tour_id': tour_id, 'tour_distance': tour_distance)
df = df.set_index('tour_id')
df2 = pd.DataFrame()
df2['tour_distance'] = df.groupby('tour_id')['tour_distance'].head(1)
df2['row_counts'] = df.groupby('tour_id').count()
print(df2)
结果:
tour_distance row_counts
tour_id
A 10 4
B 20 2
C 40 5
【讨论】:
你必须使用 groupby 两次。 :((以上是关于熊猫数据框:groupby 和 plot 有两个不同的列的主要内容,如果未能解决你的问题,请参考以下文章
Pandas Groupby Plotting MultiIndex 按***分组