在子帧上拆分 DataFrame 和循环函数

Question

我有一个具有以下结构的数据框：

df = pd.DataFrame({'TIME':list('12121212'),'NAME':list('aabbccdd'), 'CLASS':list("AAAABBBB"),
               'GRADE':[4,5,4,5,4,5,4,5]}, columns = ['TIME', 'NAME', 'CLASS','GRADE'])
print(df):
  TIME NAME CLASS  GRADE
0    1    a     A      4
1    2    a     A      5
2    1    b     A      4
3    2    b     A      5
4    1    c     B      4
5    2    c     B      5
6    1    d     B      4
7    2    d     B      5

我需要做的是根据变量CLASS将上面的dataframe分割成多个dataframe，将dataframe从long转换为wide（这样我们就有了NAMES 作为列，GRADE 作为数据矩阵中的主条目），然后在较小的 CLASS 数据帧上迭代其他函数。如果我按照here 的建议创建一个dict 对象，我会得到：

d = dict(tuple(df.groupby('CLASS')))
print(d):
{'A':   TIME NAME CLASS  GRADE
0    1    a     A      4
1    2    a     A      5
2    1    b     A      4
3    2    b     A      5, 'B':   TIME NAME CLASS  GRADE
4    1    c     B      4
5    2    c     B      5
6    1    d     B      4
7    2    d     B      5}

为了将数据帧从长转换为宽，我使用了来自pandas的函数pivot_table：

for names, classes in d.items():
    newdata=df.pivot_table(index="TIME", columns="NAME", values="GRADE")
print(newdata):
NAME  a  b  c  d
TIME
1     4  4  4  4
2     5  5  5  5

到目前为止一切顺利。但是，一旦我获得了newdata 数据框，我就无法访问在d 中创建的较小数据框，因为变量CLASS 现在从数据框中丢失（应该如此）。假设我需要在两个较小的子帧CLASS==A 和CLASS==B 上迭代一个函数。如果我无法使用列 CLASS 定义数据集结构，我将如何使用 for 循环来执行此操作？

Answer 1

尝试使用groupby+apply 来保留组名：

(df.groupby('CLASS')
   .apply(lambda d: d.pivot_table(index="TIME", columns="NAME", values="GRADE"))
)

输出：

              a    b    c    d
CLASS TIME                    
A     1     4.0  4.0  NaN  NaN
      2     5.0  5.0  NaN  NaN
B     1     NaN  NaN  4.0  4.0
      2     NaN  NaN  5.0  5.0

其他可能性，遍历组，保持 CLASS 作为列：

for group_name, group_df in df.groupby('CLASS', as_index=False):
    print(f'working on group {group_name}')
    print(group_df)

输出：

working on group A
  TIME NAME CLASS  GRADE
0    1    a     A      4
1    2    a     A      5
2    1    b     A      4
3    2    b     A      5
working on group B
  TIME NAME CLASS  GRADE
4    1    c     B      4
5    2    c     B      5
6    1    d     B      4
7    2    d     B      5