通过模块
创建熊猫分组的非层级列
原文:https://www . geeksforgeeks . org/create-非分层-带熊猫的列-按模块分组/
在本文中，我们将看到在应用 groupby 模块时创建非分层列的两种方法。
我们正在使用财富 500 强公司数据集来演示问题和解决方案。我们得从 data.world 网站上抢一份。
对于每个“部门”和“行业”，找出总员工数、平均员工数和最小、最大收入变化。
我们来看一个 实现的例子:
第一步:我们先来导入熊猫和以公司“Rank”为索引的数据集。
Python 3
import pandas as pd
# load the dataset
df = pd.read_csv(
"https://raw.githubusercontent.com/sasankac/TestDataSet/master/Fortune500.csv")
# print the columns
print(df.columns)
输出:
步骤 2: 数据集中有相当多的列我们不感兴趣，例如总部位置、地址……我将从数据集中删除它们。
Python 3
# remove unwanted columns
remove_columns =['Website','Hqaddr','Hqzip', 'Hqtel',
'Ceo','Ceo-title', 'Address', 'Ticker',
'Prftchange', 'Assets', 'Totshequity']
df = df.drop(columns= remove_columns,axis = 1)
print(df.columns)
输出:
方法 1:
在此方法中，我们将使用 to_flat_index 方法输出非分层列。首先，让我对下面的数据列进行分组。对于每个“部门”和“行业”，找出总员工数、平均员工数和最小、最大收入变化。groupby 和聚合的语法如下
语法: df.groupby(['分组列 1 '，'分组列 2"])。agg({ '聚合列 1' :['聚合函数 1 '，'聚合函数 2'] })
现在，按照要求，让我们将数据集的列名映射到语法。
- 分组栏–“部门”、“行业”
- 汇总列-“员工”、“变更”
- 聚合函数–“sum”、“mean”、“min”max 3。通过应用上述语法获得结果。
实施:
Python 3
df_result = (df
.groupby(['Sector','Industry'])
.agg({'Employees':['sum', 'mean'],
'Revchange':['min','max']}))
# printing top 15 rows
df_result.head(15)
输出:
查看结果，我们有 6 个分层列，即员工的总和和平均值(用黄色突出显示)以及 Revchange 的最小值和最大值列。我们可以使用。熊猫 0.24 版本中引入的 to_flat_index 方法。
Python 3
df_result.columns = ['_'.join(cols).lower()
for cols in df_result.columns.to_flat_index()]
df_result.head(10)
输出:
函数成功应用后，所有列都不会被展平，列名会附加聚合函数。
全面实施:
Python 3
"""
Program: For each "Sector" and "Industry" Find the total, average employees, and the minimum, maximum revenue change.
"""
import pandas as pd
"""
Function: Convert hierarchial columns to non-hierarchial columns
params: dataframe with hierarchial columns
return : dataframe with non-hierarchial columns
"""
def return_non_hierarchial(df):
df.columns = ['_'.join(x) for x in df.columns.to_flat_index()]
return df
# load the dataset with rank as index
df = pd.read_csv(
"https://raw.githubusercontent.com/sasankac/TestDataSet/master/Fortune500.csv", index_col="Rank")
# remove unwanted columns
remove_columns = ['Website', 'Hqaddr', 'Hqzip', 'Hqtel', 'Ceo',
'Ceo-title', 'Address', 'Ticker', 'Prftchange',
'Assets', 'Totshequity']
df = df.drop(columns=remove_columns, axis=1)
# Identify the data as per the requirement
df_result = (df
.groupby(['Sector', 'Industry'])
.agg({'Employees': ['sum', 'mean'],
'Revchange': ['min', 'max']})
.astype(int)
.pipe(return_non_hierarchial))
# print the data
df_result.head(15)
输出:
方法二:
熊猫引入了命名聚合对象来创建无层次的列。我将使用上面提到的相同要求，并将其应用于命名聚合。
此 groupby 方法的语法如下:
df.groupby(['分组列 1 '，'分组列 2 '])。agg({ '命名列' = NamedAgg(列= '聚合列'，aggfunc= '聚合函数'))
实施:
Python 3
"""
Program: For each "Sector" and "Industry" Find the total, average employees, and the minimum, maximum revenue change.
"""
import pandas as pd
# load the dataset with rank as index
df = pd.read_csv(
"https://raw.githubusercontent.com/sasankac/TestDataSet/master/Fortune500.csv", index_col="Rank")
# remove unwanted columns
remove_columns = ['Website', 'Hqaddr', 'Hqzip', 'Hqtel', 'Ceo',
'Ceo-title', 'Address', 'Ticker', 'Prftchange',
'Assets', 'Totshequity']
df = df.drop(columns=remove_columns, axis=1)
# Identify the data as per the requirement
df_result = (df
.groupby(['Sector', 'Industry'])
.agg(Employees_sum=pd.NamedAgg(column='Employees', aggfunc='sum'),
Employees_average=pd.NamedAgg(
column='Employees', aggfunc='mean'),
Revchange_minimum=pd.NamedAgg(
column='Revchange', aggfunc='min'),
Revchange_maximum=pd.NamedAgg(column='Revchange', aggfunc='max'))
.astype(int))
# print the data
df_result.head(15)
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
