So konvertieren sie die pandas groupby-ausgabe in dataframe

In diesem Tutorial wird erläutert, wie Sie die Ausgabe eines Pandas GroupBy in einen Pandas DataFrame konvertieren.

Beispiel: Pandas GroupBy-Ausgabe in DataFrame konvertieren

Angenommen, wir haben den folgenden Pandas-DataFrame, der die von Basketballspielern verschiedener Teams erzielten Punkte anzeigt:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' position ': ['G', 'G', 'F', 'C', 'G', 'F', 'F', 'F'],
                   ' points ': [5, 7, 7, 10, 12, 22, 15, 10]})

#view DataFrame
print (df)

  team position points
0 AG 5
1 AG 7
2AF 7
3 AC 10
4 BG 12
5 BF 22
6 BF 15
7 BF 10

Wir können die folgende Syntax verwenden, um die Anzahl der Spieler, gruppiert nach Team und Position, zu zählen:

 #count number of players, grouped by team and position
group = df. groupby ([' team ', ' position ']). size ()

#viewoutput
print (group)

team position
AC 1
      F 1
      G2
BF 3
      G 1
dtype: int64

Aus der Ausgabe können wir die Gesamtzahl der Spieler sehen, gruppiert nach Team und Position .

Nehmen wir jedoch an, wir möchten, dass unsere Ausgabe den Teamnamen in jeder Zeile wie folgt anzeigt:

 team position count
0 AC 1
1 AF 1
2 AG 2
3 BF 3
4 BG 1

Um dieses Ergebnis zu erzielen, können wir beim Ausführen von GroupBy einfach reset_index() verwenden:

 #count number of players, grouped by team and position
df_out = df. groupby ([' team ', ' position ']). size (). reset_index (name=' count ')

#viewoutput
print (df_out)

  team position count
0 AC 1
1 AF 1
2 AG 2
3 BF 3
4 BG 1

Die Ausgabe erscheint nun im gewünschten Format.

Beachten Sie, dass das Namensargument in reset_index() den Namen der neuen Spalte angibt, die von GroupBy erstellt wird.

Wir können auch bestätigen, dass das Ergebnis tatsächlich ein Pandas-DataFrame ist:

 #display object type of df_out
type (df_out)

pandas.core.frame.DataFrame

Hinweis : Die vollständige Dokumentation der GroupBy-Operation in Pandas finden Sie hier .

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige Vorgänge in Pandas ausgeführt werden:

Pandas: So berechnen Sie die kumulative Summe pro Gruppe
Pandas: So zählen Sie eindeutige Werte nach Gruppen
Pandas: So berechnen Sie die Korrelation nach Gruppen