【跟着stackoverflow学Pandas】--Converting a Pandas GroupBy object to DataFrame-Groupby对象转换为DataFrame

最近做一个系列博客，跟着stackoverflow学Pandas。

专栏地址：http://blog.csdn.net/column/details/16726.html

以 pandas作为关键词，在stackoverflow中进行搜索，随后安照 votes 数目进行排序：
https://stackoverflow.com/questions/tagged/pandas?sort=votes&pageSize=15

Converting a Pandas GroupBy object to DataFrame-Groupby对象转换为DataFrame

split-apply-combine

我们在对数据进行清洗时，经常要用到split-apply-combine，首先对数据按照一定的标准进行split（分组），然后对每组数据进行apply（处理），最后把结果combine（合并），在这一系列操作中就必须要用到 pandas的groupby函数。
具体可以参考官方文档：

https://pandas.pydata.org/pandas-docs/stable/groupby.html

很多时候，GroupBy 对象不方便我们下一步操作，我们喜欢把他转化为DataFrame。下面介绍几种常用的方法。

参考：

https://stackoverflow.com/questions/10373660/converting-a-pandas-groupby-object-to-dataframe

转换

import pandas as pd
print(pd.__version__)
# 0.20.3


df1 = pd.DataFrame({"Name":["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"],
                    "City":["Seattle","Seattle","Portland","Seattle","Seattle","Portland"]})
df1
#
#       City     Name
#0   Seattle    Alice
#1   Seattle      Bob
#2  Portland  Mallory
#3   Seattle  Mallory
#4   Seattle      Bob
#5  Portland  Mallory
#
g1 = df1.groupby(["Name", 'City']).size() 
g1
# Name     City    
# Alice    Seattle     1
# Bob      Seattle     2
# Mallory  Portland    2
#          Seattle     1

# 如果要使用count，必须这样

df1.groupby(["Name", "City"])[['Name','City']].count()
#             Name  City
# Name  City        
# Alice Seattle 1   1
# Bob   Seattle 2   2
# Mallory   Portland    2   2
#          Seattle  1   1

此时得到的g1数据已经是DataFrame格式, 但是属于MultiIndex, 如果想得到方方正正的DataFrame格式，可以采用 reset_index()函数。

type(g1)
# pandas.core.frame.DataFrame

g1.index
# MultiIndex(levels=[['Alice', 'Bob', 'Mallory'], ['Portland', 'Seattle']],
#            labels=[[0, 1, 2, 2], [1, 1, 0, 1]],
#            names=['Name', 'City'])

g1.reset_index()
print(g1.reset_index())

#       Name      City  0
# 0    Alice   Seattle  1
# 1      Bob   Seattle  2
# 2  Mallory  Portland  2
# 3  Mallory   Seattle  1

count和size的区别

这里出现的count和size的区别，如果想深究可以参考：
size 是考虑 NaN的计数，而 count 则不考虑。

https://stackoverflow.com/documentation/pandas/1822/grouping-data/6874/aggregating-by-size-and-count#t=201607220906502658034