Pandas 将 groupby 堆叠到 DataFrame MultiIndex 而不进行聚合答案

【问题标题】：Pandas stack groupby to DataFrame MultiIndex without aggregatingPandas 将 groupby 堆叠到 DataFrame MultiIndex 而不进行聚合
【发布时间】：2019-06-16 08:24:23
【问题描述】：

关于将 pandas groupby 对象转换为 DataFrame 的几个问题似乎涉及聚合，例如count()here.

groupby 对象是否可以在不进行聚合的情况下转换为 DataFrame，其中组名成为 MultiIndex 的第 0 级？这个过程可以迭代吗？

from pandas import DataFrame as DF

df = DF.from_dict({'a':1, 'b':2, 'c':3, 'd':4, 'e':5}, orient='index')

想要分组的输出：

df.groupby(lambda x: df[0][x]%2)

转换成这种形式：

DF.from_dict({0:{'b':2,'d':4},1:{'a':1,'c':3,'e':5}},orient='index').stack().to_frame()

（题外话，为什么要转换成浮点数？）

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

使用pd.concat，它接受字典：

pd.concat({k: v for k, v in df.groupby(lambda x: df.loc[x, 0] % 2)})

     0
0 b  2
  d  4
1 a  1
  c  3
  e  5

遍历每个组并构建您的字典。可以使用dictionary comprehension 构造字典。

可以使用不涉及可调用对象的稍微快一点的解决方案，

pd.concat({k: v for k, v in df.groupby(df.iloc[:,0] % 2)})

     0
0 b  2
  d  4
1 a  1
  c  3
  e  5

如果你需要，一次又一次地这样做，尝试一个功能，

def add_level(df, grouper):
    return pd.concat({k: v for k, v in df.groupby(by=grouper)})

r = add_level(df, df.iloc[:,0] % 3)
add_level(r, r.iloc[:, 0] % 2)

       0
0 1 d  4
  2 b  2
1 0 c  3
  1 a  1
  2 e  5

【讨论】：

谢谢你的作品。我打算在 Q 中进一步询问，如何迭代堆栈。例如，如果 `df.loc[x, 0] % 3` 给出 0 级索引 [0,1,2]，想进一步按 %2 分组该索引以获得 3 级 MultiIndex，什么是合适的 lambda ?
@alancalvitti 看来您可以重复此过程两次，一次用于 %3，第二次用于 %2。
但现在df.loc[x, 0] 将不起作用，因为分组是基于索引而不是值生成的。

【解决方案2】：

使用assign 链和set_index

df.assign(indexlevel=np.arange(len(df))%2).\
    set_index('indexlevel',append=True).\
      swaplevel(0,1).\
       sort_index(level=0)
Out[30]: 
              0
indexlevel     
0          a  1
           c  3
           e  5
1          b  2
           d  4

【讨论】：

支持努力，但要实现简单的程序还有很长的路要走。