キーでパンダのグループ化データフレームにアクセスする方法


154

キーでgroupbyオブジェクトの対応するgroupbyデータフレームにアクセスするにはどうすればよいですか?

次のgroupbyを使用します。

rand = np.random.RandomState(1)
df = pd.DataFrame({'A': ['foo', 'bar'] * 3,
                   'B': rand.randn(6),
                   'C': rand.randint(0, 20, 6)})
gb = df.groupby(['A'])

反復してキーとグループを取得できます。

In [11]: for k, gp in gb:
             print 'key=' + str(k)
             print gp
key=bar
     A         B   C
1  bar -0.611756  18
3  bar -1.072969  10
5  bar -2.301539  18
key=foo
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

キーでグループにアクセスできるようにしたい:

In [12]: gb['foo']
Out[12]:  
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

しかし、私がそれをやってみると、gb[('foo',)]私がpandas.core.groupby.DataFrameGroupBy望むDataFrameに対応するメソッドがないように見える、この奇妙なオブジェクトが表示されます。

私が考えることができる最高のものは:

In [13]: def gb_df_key(gb, key, orig_df):
             ix = gb.indices[key]
             return orig_df.ix[ix]

         gb_df_key(gb, 'foo', df)
Out[13]:
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14  

しかし、パンダが通常これらのことにどれほど素晴らしいかを考えると、これはちょっと厄介です。
これを行う組み込みの方法は何ですか?

回答:


192

次のget_group方法を使用できます。

In [21]: gb.get_group('foo')
Out[21]: 
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

注:これは、すべてのグループのすべてのサブデータフレームの中間ディクショナリ/コピーを作成する必要がないため、で単純なディクショナリを作成するよりもはるかにメモリ効率が高くなりますdict(iter(gb))。これは、groupbyオブジェクトですでに利用可能なデータ構造を使用しているためです。


groupbyスライスを使用して別の列を選択できます。

In [22]: gb[["A", "B"]].get_group("foo")
Out[22]:
     A         B
0  foo  1.624345
2  foo -0.528172
4  foo  0.865408

In [23]: gb["C"].get_group("foo")
Out[23]:
0     5
2    11
4    14
Name: C, dtype: int64

72

Python for Data AnalysisのWes McKinney(パンダの作者)は、次のレシピを提供しています。

groups = dict(list(gb))

これは、キーがグループラベルで値がDataFramesであるディクショナリを返します。

groups['foo']

あなたが探しているものを生み出します:

     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

1
ありがとう、これはとても便利です。どのようにコードを変更して、groups = dict(list(gb))ストア列のみにすることができ ますCか?他の列には関心がないため、それらを保存したくないとします。
ジュバーブ2014年

5
回答:dict(list( df.groupby(['A'])['C'] ))
Zhubarb 2014年

4
注:を使用する方が効率的です(ただし同等です)dict(iter(g))。(get_group最良の方法ですが、/それは辞書を作成する必要がないため、パンダであなたを保ちます!:D)
Andy Hayden

groups(dict(list(gb))を使用することはできませんでしたが、次の方法でディクショナリを作成できます。gb_dict = {str(indx): str(val) for indx in gb.indx for val in gb.some_key}次に、値を取得しますgb_dict[some_key]
user2476665

を使用するだけでget_group()、このレシピは何年も必要ありませんでした。
smci

20

のではなく

gb.get_group('foo')

私は使うことを好む gb.groups

df.loc[gb.groups['foo']]

このようにして、複数の列を選択することもできます。例えば:

df.loc[gb.groups['foo'],('A','B')]

4
注:を使用して別の列を選択できますgb[["A", "B"]].get_group("foo")
アンディヘイデン

6
gb = df.groupby(['A'])

gb_groups = grouped_df.groups

選択的なgroupbyオブジェクトを探している場合は、gb_groups.keys()を実行し、必要なキーを次のkey_listに入力します。

gb_groups.keys()

key_list = [key1, key2, key3 and so on...]

for key, values in gb_groups.iteritems():
    if key in key_list:
        print df.ix[values], "\n"

1

GroupBy objのいくつかのメンバーをサンプリングする方法を探していました。これを行うには、投稿された質問に対処する必要がありました。

groupbyオブジェクトを作成する

grouped = df.groupby('some_key')

N個のデータフレームを選択し、それらのインデックスを取得します

sampled_df_i  = random.sample(grouped.indicies, N)

グループをつかむ

df_list  = map(lambda df_i: grouped.get_group(df_i), sampled_df_i)

オプション-すべてを単一のデータフレームオブジェクトに戻す

sampled_df = pd.concat(df_list, axis=0, join='outer')

1
これは機能しません:sampled_df_i = random.sample(grouped.indicies, N)
アイリーン

@irene-より長い例/より多くのコンテキストへのリンクを提供できますか?
meyerson

私は次のエラーを取得する:AttributeError: 'DataFrameGroupBy' object has no attribute 'indicies'
アイリーン
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.