pd.groupby 在分组列中为每个唯一值提供多行答案

【问题标题】：pd.groupby gives multiple rows per unique value in grouping columnpd.groupby 在分组列中为每个唯一值提供多行
【发布时间】：2020-09-08 15:36:39
【问题描述】：

我有一个dataframe（更具体地说，是一个文档术语矩阵），其中最后一列是“YEAR”。列中有五个独特的年份：2016 年、2017 年、2018 年、2019 年、2020 年。这证实了：

In [1]: len(set(df.YEAR))
Out[1]: 5

但是，当我运行代码时

df.groupby(df.YEAR).head()

生成的 dataframe.groupby 对象有 25 行：前 5 行 YEAR = 2016，后 5 行 YEAR = 2017，以此类推。

首先，有没有办法让结果成为一个新的dataframe 而不是dataframe.groupby 对象？

其次，为什么每年有 5 行而不是 1 行？我如何做到这一点，所以每年只有一排？

如果我将 YEAR 列更改为 DATE（使用 datetime 值）并使用 df.groupby(df.DATE.dt.year)，我仍然会得到 25 行，前 5 行在 DATE 列中具有以下值：2016-01 -01, 2016-01-02, 2016-01-03, 2016-01-04, 2016-01-05

我尝试了df.groupby(df.YEAR).nunique()，虽然这导致dataframe 有5 行，但它不能正确汇总字数。

我还尝试使用 df.set_index(df.DATE) 将索引设置为 DatetimeIndex，尽管 DATE 列已确认为日期时间：

In [2]: df.dtypes
Out[2]: DATE         datetime64[ns]

当我尝试df.resample('Y') 或pd.Grouper 或类似的东西时，我得到TypeError: Only valid with DatetimeIndex, TimedeltaIndexorPeriodIndex, but got an instance of 'RangeIndex'

我该怎么办？这看起来应该很简单，但 groupby 并没有按我的预期工作。

【问题讨论】：

head() 默认为 5 行；你抓住每组年份的head，所以 5 组 x 每组 5 行 = 25 行，这就是你所看到的。聚合不一定会折叠为每个组的单个值，这取决于聚合函数是什么。您可以在此处阅读有关逻辑的一些信息：stackoverflow.com/questions/61810108/…
这很有道理，谢谢。我曾假设 groupby 对这些值求和，但事实并非如此。为了得到我要找的东西，我必须做 df.groupby(df.YEAR).sum()。

标签： python pandas dataframe pandas-groupby

【解决方案1】：

我同意@ALollz 您可以尝试此代码以获得清晰的图片。另外，如果我错了，请纠正我。 df_groupby = df.groupby('YEAR')。现在，如果您尝试df_groupby.first()，那么您将获得新数据框的所有第一个条目。此外，df_groupby.get_group('2017') 将提供 2017 年的所有结果。

【讨论】：