使用分类字符串对 pandas 数据框进行分组

Posted 2023-02-16

【中文标题】使用分类字符串对 pandas 数据框进行分组

【英文标题】：Grouping a pandas dataframe with categorical strings

【发布时间】：2022-01-01 06:54:11

【问题描述】：

我有以下 df

df = pd.DataFrame('Cat':['tq','tb','ta','tb','ta','tq','tb','tq','ta'],
                   'col1':['a','a','a','b','b','c','c','c','a'],
                   'col2':['aa','aa','aa','aa','ba','ba','cc','cc','cc'],
                   'val':np.random.rand(9))

我想创建以下排名：

df['Cat'] = pd.Categorical(df['Cat'],['tb','tq','ta'])

但是，当我尝试按总和进行分组时：

df2 = df.groupby(['col1','Cat','col2'])['val'].sum()

我最终得到了一个 27 行的表，而不是我想要的 8 行，我省略了分类排名。

我知道 27 是 ['col1','Cat','col2'] 的唯一值的乘积。 我想知道如何通过过滤掉val != 0

【参考方案1】：

您可以在groupby 中使用observed 参数

df2 = df.groupby(['col1','Cat','col2'], observed=True)['val'].sum()
df2
# col1  Cat  col2
# a     tq   aa      0.422378
#       tb   aa      0.395679
#       ta   aa      0.407851
#            cc      0.998086
# b     tb   aa      0.318188
#       ta   ba      0.861469
# c     tq   ba      0.333660
#            cc      0.427609
#       tb   cc      0.415207
# Name: val, dtype: float64