时间戳

首页 > 解决方案 > 在python中对列进行分组

python - 在python中对列进行分组

问题描述

您好，我正在使用 python 处理 .csv 中的数据集，并且在对列进行分组时遇到错误。我正在使用的代码是：

import pandas as pd 
df=pd.read_excel('filepath')
df['Items'].str.split(',', expand=True)
df=df.groupby(['Items0', 'Items1','Items2', 'Items3', 'Items4', 'Items5' ]).size()
print(df)

当我运行 print(df) 时，我得到诸如 Items0-1、Items1-1、Items2-1 等值

这是我正在使用的示例数据，我正在尝试如何组织它。

有人可以指导我如何解决这个问题吗？

样本数据：

姓名 日期 项目
约翰尼史密斯 2021 年 9 月 1 日 面包、橘子、花生酱、苹果、芹菜、花生
史密斯奶奶 2021 年 8 月 31 日 橘子、花生酱、苹果、面包
简·多伊 2021 年 9 月 1 日 橘子、苹果、芹菜、花生酱
杰克弗罗斯特 2021 年 8 月 1 日 面包，橘子，苹果
灰姑娘 2021 年 8 月 16 日 苹果、花生、面包

我试图实现的目标：

姓名 日期 项目0 项目1 项目2 项目3 项目4 项目5
约翰尼史密斯 2021 年 9 月 1 日 面包 橘子 花生酱 苹果 芹菜 花生
史密斯奶奶 2021 年 8 月 31 日 面包 橘子 花生酱 苹果
简·多伊 2021 年 9 月 1 日 橘子 花生酱 苹果
杰克弗罗斯特 2021 年 8 月 1 日 面包 橘子 苹果
灰姑娘 2021 年 8 月 16 日 面包 苹果 花生

标签： pythonpandaspandas-groupby

解决方案

一种方法是从字符串中获取分类值，Items然后重新格式化 DataFrame 并join重新组合在一起：

x = df.pop('Items').str.get_dummies(', ')
df = df.join(
    x.mul(x.columns).set_axis(
        range(len(x.columns)), axis=1
    ).add_prefix('Item')
)

           Name        Date   Item0  Item1   Item2    Item3          Item4    Item5
0  johnny smith   09/1/2021  apples  bread  celery  oranges  peanut butter  peanuts
1  granny smith  08/31/2021  apples  bread          oranges  peanut butter         
2      jane doe  09/01/2021  apples         celery  oranges  peanut butter         
3    jack frost  08/01/2021  apples  bread          oranges                        
4    cinderella  08/16/2021  apples  bread                                  peanuts

说明：用于str.get_dummies将Item列转换为分类值：

x = df.pop('Items').str.get_dummies(', ')

   apples  bread  celery  oranges  peanut butter  peanuts
0       1      1       1        1              1        1
1       1      1       0        1              1        0
2       1      0       1        1              1        0
3       1      1       0        1              0        0
4       1      1       0        0              0        1

这可以mul通过列名（将 1 值替换为列名）转换为所需的格式，set_axis以枚举列（0-项目数）和add_prefix“项目”到新编号的列：

x.mul(x.columns).set_axis(
    range(len(x.columns)), axis=1
).add_prefix('Item')

x：

    Item0  Item1   Item2    Item3          Item4    Item5
0  apples  bread  celery  oranges  peanut butter  peanuts
1  apples  bread          oranges  peanut butter         
2  apples         celery  oranges  peanut butter         
3  apples  bread          oranges                        
4  apples  bread                                  peanuts

然后join回到df.

推荐阅读