如何循环分组的Pandas数据帧？

Question

数据帧:

  c_os_family_ss c_os_major_is l_customer_id_i
0      Windows 7                         90418
1      Windows 7                         90418
2      Windows 7                         90418

码:

print df
for name, group in df.groupby('l_customer_id_i').agg(lambda x: ','.join(x)):
    print name
    print group

我试图循环聚合数据,但我收到错误:

ValueError:要解压缩的值太多

@EdChum,这是预期的输出:

                                                    c_os_family_ss  \
l_customer_id_i
131572           Windows 7,Windows 7,Windows 7,Windows 7,Window...
135467           Windows 7,Windows 7,Windows 7,Windows 7,Window...

                                                     c_os_major_is
l_customer_id_i
131572           ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,...
135467           ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,...

输出不是问题,我希望遍历每个组.

Answer 1

df.groupby('l_customer_id_i').agg(lambda x: ','.join(x)) 已经返回一个数据帧,因此您不能再遍历这些组.

一般来说:

• df.groupby(...)返回一个GroupBy对象(DataFrameGroupBy或SeriesGroupBy),以及与此,您可以通过组循环(如文档解释这里).你可以这样做:

  grouped = df.groupby('A')
  
  for name, group in grouped:
      ...
  

• 当你在GROUPBY,在您的示例应用功能df.groupby(...).agg(...)(但是这也可以是transform,apply,mean,...),你结合的结果应用的功能,不同的群体集中在一个数据框(的应用中,并结合步groupby的'split-apply-combine'范例.因此,结果将始终是DataFrame(或取决于应用函数的系列).

Answer 2

以下是pd.DataFrame按列分组的示例atable.对于示例用例,在for循环中生成SQL数据库的"create"语句:

import pandas as pd

df1 = pd.DataFrame({
    'atable':     ['Users', 'Users', 'Domains', 'Domains', 'Locks'],
    'column':     ['col_1', 'col_2', 'col_a', 'col_b', 'col'],
    'column_type':['varchar', 'varchar', 'int', 'varchar', 'varchar'],
    'is_null':    ['No', 'No', 'Yes', 'No', 'Yes'],
})

df1_grouped = df1.groupby('atable')

# iterate over each group
for group_name, df_group in df1_grouped:
    print('\nCREATE TABLE {}('.format(group_name))

    for row_index, row in df_group.iterrows():
        col = row['column']
        column_type = row['column_type']
        is_null = 'NOT NULL' if row['is_null'] == 'NO' else ''
        print('\t{} {} {},'.format(col, column_type, is_null))

    print(");")

Answer 3

如果已创建数据框,则可以迭代索引值.

df = df.groupby('l_customer_id_i').agg(lambda x: ','.join(x))
for name in df.index:
    print name
    print df.loc[name]