python - 如何在没有多级索引的情况下创建 groupby 数据框

Question

我有以下 pandasgroupby对象，我想将结果转换为新的数据框。

以下是获取条件概率的代码：

bin_probs = data.groupby('season')['bin'].value_counts()/data.groupby('season')['bin'].count()

我已经尝试了以下代码，但它返回如下。

• 我喜欢season填写每一行。我怎样才能做到这一点？

a = pd.DataFrame(data_5.groupby('season')['bin'].value_counts()/data_5.groupby('season')['bin'].count())

标签： pythonpandaspandas-groupby

Answer 1

• a是一个 DataFrame，但有一个 2 级索引，所以我的解释是你想要一个没有多级索引的数据框。
  • 当索引中的名称和列相同时，索引不能被重置。
  • 使用pandas.Series.reset_index和 setname='normalized_bin重命名bin列。
    • 这不适用于 OP 中的实现，因为那是一个数据框。
    • 这适用于以下实现，因为 apandas.Series是用.groupby.
• 对列进行规范化的正确方法是normalize=True使用.value_counts.

import pandas as pd
import random  # for test data
import numpy as np  # for test data

# setup a dataframe with test data
np.random.seed(365)
random.seed(365)
rows = 1100
data = {'bin': np.random.randint(10, size=(rows)),
        'season': [random.choice(['fall', 'winter', 'summer', 'spring']) for _ in range(rows)]}
df = pd.DataFrame(data)

# display(df.head())
   bin  season
0    2  summer
1    4  winter
2    1  summer
3    5  winter
4    2  spring

# groupby, normalize and reset the the Series index
a = df.groupby(['season'])['bin'].value_counts(normalize=True).reset_index(name='normalized_bin')

# display(a.head(15))
    season  bin  normalized_bin
0     fall    2         0.15600
1     fall    9         0.11600
2     fall    3         0.10800
3     fall    4         0.10400
4     fall    6         0.10000
5     fall    0         0.09600
6     fall    8         0.09600
7     fall    5         0.08400
8     fall    7         0.08000
9     fall    1         0.06000
10  spring    0         0.11524
11  spring    8         0.11524
12  spring    9         0.11524
13  spring    3         0.11152
14  spring    1         0.10037

使用 OP 代码a

• 如上所述，用于normalize=True获取标准化值
• OP 中的解决方案创建了一个 DataFrame，因为它.groupby是用 DataFrame 构造函数包装的pandas.DataFrame。
  • 要重置索引，您必须首先使用pandas.DataFrame.rename该bin列，然后使用pandas.DataFrame.reset_index

a = pd.DataFrame(df.groupby('season')['bin'].value_counts()/df.groupby('season')['bin'].count()).rename(columns={'bin': 'normalized_bin'}).reset_index()

其他资源

• 请参阅Pandas 无法重置索引，因为存在名称以通过level.

绘图

• 通过使用 ，从多索引系列中绘制更容易pandas.Series.unstack()，然后使用pandas.DataFrame.plot.bar
• 对于并排栏，设置stacked=False.
• 条形均等于 1，因为这是标准化数据。

s = df.groupby(['season'])['bin'].value_counts(normalize=True).unstack()

# plot a stacked bar
s.plot.bar(stacked=True, figsize=(8, 6))
plt.legend(title='bin', bbox_to_anchor=(1.05, 1), loc='upper left')