Wie konvertiere ich eine Pandas GroupBy MultiIndex-Serie in einen DataFrame?

Konvertieren der Pandas GroupBy Multiindex-Ausgabe von Serien in DataFrame

Wenn ein DataFrame mithilfe von GroupBy nach mehreren Spalten gruppiert wird, ist das Ergebnis häufig eine MultiIndex-Serie. In bestimmten Szenarien benötigen Sie die Daten jedoch möglicherweise in einem DataFrame-Format zurück. In diesem Artikel wird gezeigt, wie eine MultiIndex Series-Ausgabe von GroupBy zurück in einen DataFrame konvertiert wird.

Betrachten Sie den folgenden Beispiel-DataFrame:

     City     Name
0   Seattle    Alice
1   Seattle      Bob
2  Portland  Mallory
3   Seattle  Mallory
4   Seattle      Bob
5  Portland  Mallory

Durch die Verwendung von GroupBy mit mehreren Spalten können wir die Vorkommen zählen:

g1 = df1.groupby(["Name", "City"]).count()

Die Ausgabe von g1 ist jedoch ein MultiIndex Serie:

                  City  Name
Name    City
Alice   Seattle      1     1
Bob     Seattle      2     2
Mallory Portland     2     2
        Seattle      1     1

Um dies wieder in einen DataFrame umzuwandeln, können Sie zwei Ansätze nutzen:

Methode 1: Suffix hinzufügen und Index zurücksetzen

Fügen Sie den Spaltennamen ein Suffix hinzu und setzen Sie den Index zurück:

g1.add_suffix('_Count').reset_index()

Dadurch wird ein DataFrame mit erstellt drei Spalten: Name, Stadt und zwei zusätzliche Spalten mit dem Suffix _Count zur Angabe der Anzahl.

Methode 2: Verwendung des DataFrame-Konstruktors

Alternativ können Sie den DataFrame verwenden Konstruktor mit der .size()-Methode, um die Vorkommen zu zählen und den Index zurückzusetzen:

DataFrame({'count' : df1.groupby( [ "Name", "City"] ).size()}).reset_index()

This Der Ansatz erstellt einen DataFrame mit zwei Spalten: Name, Stadt und einer zusätzlichen Spaltenanzahl, die die Anzahl darstellt.

Das obige ist der detaillierte Inhalt vonWie konvertiere ich eine Pandas GroupBy MultiIndex-Serie in einen DataFrame?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!