Pandas：整理 groupby 聚合答案

【问题标题】：Pandas：整理 groupby 聚合
【发布时间】：2022-01-21 14:44:32
【问题描述】：

在汇总某些内容后，我真的很难再次将表格整理成“正常”数据框。我有一张这样的表格（列）：

RnnSize     EmbSize     RnnLayer    Epochs  Alpha   Eval    Run     Result

所以我使用该命令计算了多次运行的 Result 列的平均值和标准：

df.groupby(["RnnSize", "EmbSize", "RnnLayer", "Epochs", "Alpha", "Eval"]).agg({'Result': ['mean', 'std']})

输出是这样的 DataFrame：

                                                             Result
                                                             mean   std
RnnSize     EmbSize     RnnLayer    Epochs  Alpha   Eval

看起来有点像三层。

df.columns 输出以下多索引：

MultiIndex([(   'index',    ''),
            ( 'RnnSize',    ''),
            ( 'EmbSize',    ''),
            ('RnnLayer',    ''),
            (  'Epochs',    ''),
            (   'Alpha',    ''),
            (    'Eval',    ''),
            (  'Result', 'std'),
            (  'Result', 'std')],
           )

我如何再次展平它，删除“结果”并将均值和标准置于与其余部分相同的“级别”？有很多命令，如 reset_index、drop_level 等，但我还没有找到解决方法。这让我很困惑。

编辑：为了重现性，这是我的整个代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

dfRuns = pd.read_csv("Results.csv", encoding="utf-8")
dfRuns

dfAv = dfRuns.copy()
dfAv = dfAv.groupby(["RnnSize", "EmbSize", "RnnLayer", "Epochs", "Alpha", "Eval"]).agg({'Result': ['mean', 'std']})

还有（缩短的）csv 文件 Results.csv：

RnnSize,EmbSize,RnnLayer,Epochs,Alpha,Eval,Run,Result
128,200,2,150,0.1,Precision,1,0.5940
128,200,2,150,0.1,Recall,1,0.5038
128,200,2,150,0.1,F1,1,0.5144
128,200,2,150,0.1,Precision,2,0.5851
128,200,2,150,0.1,Recall,2,0.4995
128,200,2,150,0.1,F1,2,0.5082

【问题讨论】：

能否将print(df.columns) 的结果添加到您的问题中？
已添加，谢谢
根据您的编辑，有两个stds。不应该是mean吗？
我唯一能想到的是你运行的代码、你发布的代码、你得到的输出和你发布的输出之间的差异。无论如何，这并不重要。这个问题的答案还是一样的。
好的。诡异的。对不起。我刚刚重新打开了笔记本，现在代码工作正常。也没有双列。这很奇怪！

标签： python pandas group-by aggregation

【解决方案1】：

你的情况

df.groupby(["RnnSize", "EmbSize", "RnnLayer", "Epochs", "Alpha", "Eval"])['Result'].agg(['mean', 'std'])

【讨论】：

【解决方案2】：

使用reset_index()，然后展平索引：

df = df.reset_index()
df.columns = [' '.join(col).rstrip() for col in df.columns.to_numpy()]

【讨论】：