pandas 多层索引的分组

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

对于层次索引数据，按层次结构的某个级别进行分组是很自然的需求。由于它本身已经带到了一定的分组属性，再按层级进行分组将会减少相应的层级。

Series

可以按照层级或者索引名进行分组。

arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])
s = pd.Series(np.random.randn(8), index=index)
s
'''
first  second
bar    one       1.228388
       two       0.578858
baz    one       1.398501
       two      -0.070547
foo    one       0.551245
       two      -0.604068
qux    one       0.643383
       two      -0.025163
dtype: float64
'''

按层级进行分组：

s.groupby(level=0).sum()
'''
first
bar    1.807246
baz    1.327954
foo   -0.052823
qux    0.618220
dtype: float64
'''

按索引名分组：

s.groupby(level='second').sum()
s.sum(level='second') # 也可以直接统计
'''
first
bar    1.807246
baz    1.327954
foo   -0.052823
qux    0.618220
dtype: float64
'''

DataFrame

arrays = [['Falcon', 'Falcon', 'Parrot', 'Parrot'],
          ['Captive', 'Wild', 'Captive', 'Wild']]
index = pd.MultiIndex.from_arrays(arrays, names=('Animal', 'Type'))
df = pd.DataFrame({'Max Speed': [390., 350., 30., 20.]},
                  index=index)
df
'''
                Max Speed
Animal Type
Falcon Captive      390.0
       Wild         350.0
Parrot Captive       30.0
       Wild          20.0
'''

按层级进行分组：

df.groupby(level=0).mean()
'''
        Max Speed
Animal
Falcon      370.0
Parrot       25.0
'''

按索引名分组：

df.groupby(level="Type").mean()
'''
         Max Speed
Type
Captive      210.0
Wild         185.0
'''

多个层级

Series 和 DataFrame 操作一样，以下以 Series 为例：

s # 数据如下
'''
first  second  third
bar    doo     one     -1.131345
               two     -0.089329
baz    bee     one      0.337863
               two     -0.945867
foo    bop     one     -0.932132
               two      1.956030
qux    bop     one      0.017587
               two     -0.016692
dtype: float64
'''

两个层级进行分组：

s.groupby(level=['first', 'second']).sum()
'''
first  second
bar    doo      -1.220674
baz    bee      -0.608004
foo    bop       1.023898
qux    bop       0.000895
dtype: float64
'''

按层名进行分组，注意，这个和上边使用了两个不同的参数。

s.groupby(['first', 'second']).sum()
'''
first  second
bar    doo      -1.220674
baz    bee      -0.608004
foo    bop       1.023898
qux    bop       0.000895
dtype: float64
'''

使用分组器 Grouper

可以使用 Grouper 分组器进行分组：

arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
index = pd.MultiIndex.from_arrays(arrays, names=['first', 'second'])
df = pd.DataFrame({'A': [1, 1, 1, 1, 2, 2, 3, 3],
                   'B': np.arange(8)},
                  index=index)
df
'''
              A  B
first second
bar   one     1  0
      two     1  1
baz   one     1  2
      two     1  3
foo   one     2  4
      two     2  5
qux   one     3  6
      two     3  7
'''

使用分组器对第一层索引（second）和 A 列进行分组：

# 三个方式效果一样
df.groupby([pd.Grouper(level=1), 'A']).sum()
df.groupby([pd.Grouper(level='second'), 'A']).sum()
df.groupby(['second', 'A']).sum()
'''
          B
second A
one    1  2
       2  4
       3  6
two    1  4
       2  5
       3  7
'''

<< 多层索引数据查询 pandas 教程数据合并场景和操作 >>

更新时间：2022-04-04 10:21:52 标签：pandas 索引分组