重命名 pandas groupby 对象的行索引

Question

我有一个 GroupBy 对象，其行索引为整数。

light   worst_injury count
1       5            10217
2       5            4067
3       5            2142
4       5            1690
5       5            25848
6       5            734
9       5            18

我想重新命名行（而不是列！），以便“light”列包含特定字符串：

light    worst_injury    count
Day             5        10217
Dawn            5        4067
Dusk            5        2142
Dark- lit       5        1690
Dark- unlit     5        25848
Other           5        734
Unknown         5        18

我有一个与每个数字 ['Day'、'Dawn' 等] 相对应的字符串列表，但我不知道如何在 GroupBy 函数调用之前或期间将它们设置为索引。我也尝试过制作数据透视表，但出于同样的原因似乎不可能这样做。

我想我可以编写一个脚本将原始数据更改为这些字符串，而不是数字。这似乎是一种效率较低的方法，但如果在事后或事前无法更改 groupby 对象，我愿意接受该选项。

这是现有的代码；它按光线和每个伤害级别对数据帧进行分组，然后进行计数：

df = pd.read_csv(filename, sep='|', usecols=['crash_deer_involv_assoc', 'worst_injury_in_accident', 'light', 'accident_month'])

for i in range(1,6):
    inj = df[(df['worst_injury_in_accident'] == i)] 
    grouped = inj.groupby(['light','worst_injury_in_accident'])
    grouped.agg('count')

Answer 1

IIUC 您可以map通过字典使用d：

#maybe first reset index
df = df.reset_index()

print df
   light  worst_injury  count
0      1             5  10217
1      2             5   4067
2      3             5   2142
3      4             5   1690
4      5             5  25848
5      6             5    734
6      9             5     18

d = {1:'Day',2:'Dawn', 3:'Dusk',4:'Dark- lit',5:'Dark- unlit',6:'Other',9:'Unknown'}

df['light'] = df.light.map(d)
print df
         light  worst_injury  count
0          Day             5  10217
1         Dawn             5   4067
2         Dusk             5   2142
3    Dark- lit             5   1690
4  Dark- unlit             5  25848
5        Other             5    734
6      Unknown             5     18

如果列light是index：

print df
       worst_injury  count
light                     
1                 5  10217
2                 5   4067
3                 5   2142
4                 5   1690
5                 5  25848
6                 5    734
9                 5     18

d = {1:'Day',2:'Dawn', 3:'Dusk',4:'Dark- lit',5:'Dark- unlit',6:'Other',9:'Unknown'}

df.index = df.index.to_series().map(d)
print df
             worst_injury  count
light                           
Day                     5  10217
Dawn                    5   4067
Dusk                    5   2142
Dark- lit               5   1690
Dark- unlit             5  25848
Other                   5    734
Unknown                 5     18

编辑：

对于聚合，您可以添加参数as_index=False并groupby调用count- 输出很好DataFrame，但reset_index不是必需的：

print df.groupby(['light','worst_injury_in_accident'], as_index=False).count()

另一种选择是 use size（对我来说as_index不起作用，所以你需要 call reset_index）

print df.groupby(['light','worst_injury_in_accident']).size().reset_index(name='count')

顺便说一句，差异：size包括NaN值，count不包括值。