python - multiple - Cómo acceder a pandas groupby dataframe por clave

pandas groupby create new dataframe

Question

¿Cómo accedo al groupby dataframe correspondiente en un groupby objeto por la clave? Con el siguiente grupoby:

rand = np.random.RandomState(1)
df = pd.DataFrame({''A'': [''foo'', ''bar''] * 3,
                   ''B'': rand.randn(6),
                   ''C'': rand.randint(0, 20, 6)})
gb = df.groupby([''A''])

Puedo recorrerlo para obtener las claves y grupos:

In [11]: for k, gp in gb:
             print ''key='' + str(k)
             print gp
key=bar
     A         B   C
1  bar -0.611756  18
3  bar -1.072969  10
5  bar -2.301539  18
key=foo
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Me gustaría poder hacer algo como

In [12]: gb[''foo'']
Out[12]:  
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Pero cuando hago eso (bueno, en realidad tengo que hacer gb[(''foo'',)] ), obtengo este extraño elemento pandas.core.groupby.DataFrameGroupBy que no parece tener ningún método que se corresponda con el DataFrame Yo quiero.

Lo mejor que puedo pensar es

In [13]: def gb_df_key(gb, key, orig_df):
             ix = gb.indices[key]
             return orig_df.ix[ix]

         gb_df_key(gb, ''foo'', df)
Out[13]:
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14  

pero esto es algo desagradable, teniendo en cuenta lo buenos que suelen ser los pandas en estas cosas.
¿Cuál es la forma integrada de hacer esto?

Answer 1

Estaba buscando una forma de probar algunos miembros del obj GroupBy - tuve que abordar la pregunta publicada para hacer esto.

crear grupo por objeto

grouped = df.groupdy(''some_key'')

elige N dataframes y toma sus indicios

sampled_df_i  = random.sample(grouped.indicies,N)

agarrar los grupos

df_list  = map(lambda df_i: grouped.get_group(df_i),sampled_df_i)

opcionalmente, vuélvalo a convertir en un único objeto de marco de datos

sampled_df = pd.concat(df_list, axis=0, join=''outer'')

Answer 2

Más bien que

gb.get_group(''foo'')

Prefiero usar gb.groups

df.loc[gb.groups[''foo'']]

Porque de esta manera puedes elegir varias columnas también. por ejemplo:

df.loc[gb.groups[''foo''],(''A'',''B'')]

Answer 3

Puedes usar el método get_group :

In [21]: gb.get_group(''foo'')
Out[21]: 
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Nota: Esto no requiere la creación de un diccionario intermediario / copia de cada subdataframe para cada grupo, por lo que será mucho más eficiente con la memoria que crear el diccionario ingenuo con dict(iter(gb)) . Esto se debe a que usa estructuras de datos ya disponibles en el grupo por objeto.

Puede seleccionar diferentes columnas usando el grupo por slicing:

In [22]: gb[["A", "B"]].get_group("foo")
Out[22]:
     A         B
0  foo  1.624345
2  foo -0.528172
4  foo  0.865408

In [23]: gb["C"].get_group("foo")
Out[23]:
0     5
2    11
4    14
Name: C, dtype: int64

Answer 4

Wes McKinney (autor de pandas) en Python para análisis de datos proporciona la siguiente receta:

groups = dict(list(gb))

que devuelve un diccionario cuyas claves son las etiquetas de grupo y cuyos valores son DataFrames, es decir,

groups[''foo'']

rendirá lo que estás buscando:

     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Answer 5

gb = df.groupby([''A''])

gb_groups = grouped_df.groups

Si está buscando grupos selectos por objetos, haga: gb_groups.keys (), e ingrese la clave deseada en la siguiente key_list.

gb_groups.keys()

key_list = [key1, key2, key3 and so on...]

for key, values in gb_groups.iteritems():
    if key in key_list:
        print df.ix[values], "/n"