web-dev-qa-db-ja.com

Python pandas groupbyを複数の列に集約し、ピボット

Pythonには、次のようなpandas DataFrameがあります。

Item | shop1 | shop2 | shop3 | Category
------------------------------------
Shoes| 45    | 50    | 53    | Clothes
TV   | 200   | 300   | 250   | Technology
Book | 20    | 17    | 21    | Books
phone| 300   | 350   | 400   | Technology

ここで、shop1、shop2、およびshop3は、異なるショップのすべてのアイテムのコストです。ここで、次のようにデータをクリーニングした後、DataFrameを返す必要があります。

Category (index)| size| sum| mean | std
----------------------------------------

サイズは各カテゴリのアイテム数であり、合計、平均、標準は3つのショップに適用される同じ機能に関連しています。 split-apply-combineパターン（groupby、aggregate、apply、...）でこれらの操作を行うにはどうすればよいですか？

誰か助けてくれますか？私はこれに夢中になります...ありがとう！

pythonpandasdataframepivotdata-cleaning
22
Davide Tamburrino

集約によるグループ内の辞書の使用の廃止を考慮して、Pandas 0.22+向けに編集。

辞書のキーを使用して関数を指定し、辞書自体を使用して列の名前を変更する、非常に類似した辞書を設定します。

rnm_cols = dict(size='Size', sum='Sum', mean='Mean', std='Std')
df.set_index(['Category', 'Item']).stack().groupby('Category') \
  .agg(rnm_cols.keys()).rename(columns=rnm_cols)

            Size   Sum        Mean        Std
Category                                     
Books          3    58   19.333333   2.081666
Clothes        3   148   49.333333   4.041452
Technology     6  1800  300.000000  70.710678

オプション1
se agg ←ドキュメントへのリンク

agg_funcs = dict(Size='size', Sum='sum', Mean='mean', Std='std')
df.set_index(['Category', 'Item']).stack().groupby(level=0).agg(agg_funcs)

                  Std   Sum        Mean  Size
Category                                     
Books        2.081666    58   19.333333     3
Clothes      4.041452   148   49.333333     3
Technology  70.710678  1800  300.000000     6

オプション2
lessの方が多い
se describe ←ドキュメントへのリンク

df.set_index(['Category', 'Item']).stack().groupby(level=0).describe().unstack()

            count        mean        std    min    25%    50%    75%    max
Category                                                                   
Books         3.0   19.333333   2.081666   17.0   18.5   20.0   20.5   21.0
Clothes       3.0   49.333333   4.041452   45.0   47.5   50.0   51.5   53.0
Technology    6.0  300.000000  70.710678  200.0  262.5  300.0  337.5  400.0
17
piRSquared
df.groupby('Category').agg({'Item':'size','shop1':['sum','mean','std'],'shop2':['sum','mean','std'],'shop3':['sum','mean','std']})

または、すべてのショップで使用する場合：

df1 = df.set_index(['Item','Category']).stack().reset_index().rename(columns={'level_2':'Shops',0:'costs'})
df1.groupby('Category').agg({'Item':'size','costs':['sum','mean','std']})
10
Scott Boston

私が正しく理解していれば、個々のショップではなく、すべてのショップの集約メトリックを計算したいでしょう。これを行うには、最初に stack を使用してデータフレームを作成し、Categoryでグループ化します。

stacked = df.set_index(['Item', 'Category']).stack().reset_index()
stacked.columns = ['Item', 'Category', 'Shop', 'Price']
stacked.groupby('Category').agg({'Price':['count','sum','mean','std']})

結果として

           Price                             
           count   sum        mean        std
Category                                     
Books          3    58   19.333333   2.081666
Clothes        3   148   49.333333   4.041452
Technology     6  1800  300.000000  70.710678
0
foglerit