在Pandas Groupby函数中重命名列名[duplicate]

qv7cva1a  于 2023-05-21  发布在  其他
关注(0)|答案(2)|浏览(150)

此问题已在此处有答案

Multiple aggregations of the same column using pandas GroupBy.agg()(4个答案)
4年前关闭。

Q1)我想做一个groupby,SQL风格的聚合,然后重命名输出列

示例数据集:

>>> df
    ID     Region  count
0  100       Asia      2
1  101     Europe      3
2  102         US      1
3  103     Africa      5
4  100     Russia      5
5  101  Australia      7
6  102         US      8
7  104       Asia     10
8  105     Europe     11
9  110     Africa     23

我想将这个数据集的观测值按IDRegion分组,并对每组的count求和。所以我用了这样的东西…

>>> print(df.groupby(['ID','Region'],as_index=False).count().sum())

    ID     Region  count
0  100       Asia      2
1  100     Russia      5
2  101  Australia      7
3  101     Europe      3
4  102         US      9
5  103     Africa      5
6  104       Asia     10
7  105     Europe     11
8  110     Africa     23

在使用as_index=False时,我能够得到“类似SQL”的输出。我的问题是我无法在这里重命名聚合变量count。所以在SQL中,如果我想做上面的事情,我会这样做:

select ID, Region, sum(count) as Total_Numbers
from df
group by ID, Region
order by ID, Region

正如我们所看到的,在SQL中,我很容易将聚合变量count**重命名为Total_Numbers。我想在Pandas中做同样的事情,但无法在group-by函数中找到这样的选项。有人能帮忙吗?
第二个问题(更多的是观察)是是否……

Q2)Pandas dataframe函数中是否可以直接使用列名,而不用引号括起来?

我知道变量名是字符串,所以必须在引号内,但我看到如果在dataframe函数外使用它们,并且作为属性,我们不要求它们在引号内。如df.ID.sum()等。只有当我们在像df.sort()df.groupby这样的DataFrame函数中使用它时,我们才必须在引号内使用它。这实际上有点痛苦,因为在SQL或SAS或其他语言中,我们只是使用变量名而不引用它们。对此有何建议?
请回答这两个问题(Q1是主要的,Q2更多的是一个观点)。

kgsdhlau

kgsdhlau1#

对于第一个问题,我认为答案是:

<your DataFrame>.rename(columns= {'count':'Total_Numbers'})

<your DataFrame>.columns = ['ID', 'Region', 'Total_Numbers']

如果是Pandas系列

<your Series>.rename("Total_Numbers")

至于第二个,我会说答案是否定的。由于python datamodel,可以像'df.ID'一样使用它:
属性引用被转换为该字典中的查找,例如,m.x等效于m.dict[“x”]

kknvjkwl

kknvjkwl2#

在groupby操作后更改列名的当前(从0.20版开始)方法是链接rename方法。有关详细信息,请参阅文档中的此弃用说明。

pandas 0.20版本起已弃用的Answer

这是谷歌的第一个结果,虽然最上面的答案有效,但它并没有真正回答问题。有一个better answer here和一个长discussion on github关于将字典传递给agg方法的完整功能。
不幸的是,这些答案并不存在于文档中,但是分组、聚合和重命名列的一般格式使用字典的字典。外部字典的键是要聚合的列名。内部字典有一些键,新列的名字和聚合函数的值.
在此之前,让我们创建一个四列DataFrame。

df = pd.DataFrame({'A' : list('wwwwxxxx'), 
                   'B':list('yyzzyyzz'), 
                   'C':np.random.rand(8), 
                   'D':np.random.rand(8)})

   A  B         C         D
0  w  y  0.643784  0.828486
1  w  y  0.308682  0.994078
2  w  z  0.518000  0.725663
3  w  z  0.486656  0.259547
4  x  y  0.089913  0.238452
5  x  y  0.688177  0.753107
6  x  z  0.955035  0.462677
7  x  z  0.892066  0.368850

假设我们希望按列A, B分组,并将列Cmeanmedian聚合,并将列Dmax聚合。下面的代码可以做到这一点。

df.groupby(['A', 'B']).agg({'C':['mean', 'median'], 'D':'max'})

            D         C          
          max      mean    median
A B                              
w y  0.994078  0.476233  0.476233
  z  0.725663  0.502328  0.502328
x y  0.753107  0.389045  0.389045
  z  0.462677  0.923551  0.923551

这将返回一个具有分层索引的DataFrame。最初的问题询问了在同一步骤中重命名列的问题。这可以使用字典的字典:

df.groupby(['A', 'B']).agg({'C':{'C_mean': 'mean', 'C_median': 'median'}, 
                            'D':{'D_max': 'max'}})

            D         C          
        D_max    C_mean  C_median
A B                              
w y  0.994078  0.476233  0.476233
  z  0.725663  0.502328  0.502328
x y  0.753107  0.389045  0.389045
  z  0.462677  0.923551  0.923551

这将一次性重命名所有列,但仍然保留分层索引,可以使用df.columns = df.columns.droplevel(0)删除顶层。

相关问题