代码之家 › 专栏 › 技术社区 › user29747013

如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

pandas python

user29747013 · 技术社区 · 4 月前

我刚开始学习Python,有一个很宽的数据文件,我想通过不同的变量聚合它,并创建一个新的文件用于仪表板。我可以使用groupby()一次获取一列的聚合,然后将结果附加到csv文件中。然而,我想知道是否有更有效的方法来使用某种循环来实现这一点。

以下是我的原始数据文件的示例:

data = {'ID': [105, 106, 107, 108, 109, 110, 111, 112],
        'Name': ['Bill', 'Jane', 'Mary', 'Rich', 'Tomas', 'Kiki', 'Martin', 'Larry'],
        'Cohort': ['Cohort A', 'Cohort A', 'Cohort A', 'Cohort A', 'Cohort B', 'Cohort B', 'Cohort B', 'Cohort B'],
        'Program Size': ['small', 'large', 'medium', 'medium', 'large', 'small', 'large', 'medium'],
        'Rating': ['excellent', 'good', 'needs improvement', 'needs improvement', 'good', 'excellent', 'good', 'excellent']}

df = pd.DataFrame(data)

看起来像这样:

 ID    Name    Cohort Program Size             Rating
0  105    Bill  Cohort A        small          excellent
1  106    Jane  Cohort A        large               good
2  107    Mary  Cohort A       medium  needs improvement
3  108    Rich  Cohort A       medium  needs improvement
4  109   Tomas  Cohort B        large               good
5  110    Kiki  Cohort B        small          excellent
6  111  Martin  Cohort B        large               good
7  112   Larry  Cohort B       medium          excellent

我总是想按队列列分组,再加上其他列中的一列,并获得每种组合的计数。在我的新数据文件中,我将有一个队列列,一个“变量”列(这将是分组中的另一列),选项显示“描述”,然后是频率。以下是我想要的结果:

desired = {'Cohort': ['Cohort A', 'Cohort A', 'Cohort A', 'Cohort B', 'Cohort B', 'Cohort B', 'Cohort A', 'Cohort A', 'Cohort A', 'Cohort B', 'Cohort B'],
        'Variable': ['size', 'size', 'size', 'size', 'size', 'size', 'rating', 'rating', 'rating', 'rating', 'rating'],
        'Description': ['small', 'medium', 'large', 'small', 'medium', 'large', 'excellent', 'good', 'needs improvement', 'excellent', 'good'],
        'Frequency': [1, 2, 1, 1, 1, 2, 1, 1, 2, 2, 2]}

desired_df = pd.DataFrame(desired)

 Cohort Variable        Description  Frequency
0   Cohort A     size              small          1
1   Cohort A     size             medium          2
2   Cohort A     size              large          1
3   Cohort B     size              small          1
4   Cohort B     size             medium          1
5   Cohort B     size              large          2
6   Cohort A   rating          excellent          1
7   Cohort A   rating               good          1
8   Cohort A   rating  needs improvement          2
9   Cohort B   rating          excellent          2
10  Cohort B   rating               good          2

我已经能够编写一个循环,按队列和我的其他列分组并获得频率,但我不确定如何将它们放在一起(附加数据帧?)以获得我想要的结果。我感谢您对下一步的指导!(以下是我写的循环遍历我的列并获取频率的内容:

cols = ['Program Size', 'Rating']

for i in cols:
    grouped_df = df.groupby(['Cohort', (i)], as_index=False).agg(
        frequency=('ID', 'count')
    )
    print(f"Grouped by Cohort and {i}:\n{grouped_df}\n")

1 回复 | 直到 4 月前

keithwalsh 4 月前

你可以使用列表理解。

对于每个分组列。
- 分组方式 ['Cohort', col] .
- 计数ID
- 将分组列重命名为“描述”
- 添加变量列
pd.concat() 以组合数据帧。
排序

col_mapping = {'Program Size': 'size', 'Rating': 'rating'}

final_df = pd.concat([
    df.groupby(['Cohort', col], as_index=False)
    .agg(Frequency=('ID', 'count'))
    .rename(columns={col: 'Description'})
    .assign(Variable=col_mapping[col])
    [['Cohort', 'Variable', 'Description', 'Frequency']]
    for col in col_mapping.keys()
], ignore_index=True).sort_values(['Cohort', 'Variable'])