Как получить доступ к pandas groupby dataframe по ключу

Как получить доступ к соответствующему фрейму данных groupby в объекте groupby по ключу?

Со следующей группой:

rand = np.random.RandomState(1)
df = pd.DataFrame({'A': ['foo', 'bar'] * 3,
                   'B': rand.randn(6),
                   'C': rand.randint(0, 20, 6)})
gb = df.groupby(['A'])

Я могу пройти через это, чтобы получить ключи и группы:

In [11]: for k, gp in gb:
             print 'key=' + str(k)
             print gp
key=bar
     A         B   C
1  bar -0.611756  18
3  bar -1.072969  10
5  bar -2.301539  18
key=foo
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Я хотел бы иметь возможность получить доступ к группе по ее ключу:

In [12]: gb['foo']
Out[12]:  
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Но когда я пытаюсь сделать это с помощью, gb[('foo',)]я получаю эту странную pandas.core.groupby.DataFrameGroupByобъектную вещь, которая, кажется, не имеет никаких методов, соответствующих DataFrame, который я хочу.

Лучшее, что я мог придумать, это:

In [13]: def gb_df_key(gb, key, orig_df):
             ix = gb.indices[key]
             return orig_df.ix[ix]

         gb_df_key(gb, 'foo', df)
Out[13]:
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14  

но это отчасти неприятно, учитывая, насколько хороши панды в таких вещах.
Какой встроенный способ сделать это?

Вы можете использовать get_groupметод:

In [21]: gb.get_group('foo')
Out[21]: 
     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Примечание. Для этого не требуется создавать промежуточный словарь / копию каждого подкадра для каждой группы, поэтому он будет намного более эффективным в использовании памяти, чем создание простого словаря dict(iter(gb)). Это потому, что он использует структуры данных, уже доступные в объекте groupby.

Вы можете выбрать разные столбцы, используя групповую нарезку:

In [22]: gb[["A", "B"]].get_group("foo")
Out[22]:
     A         B
0  foo  1.624345
2  foo -0.528172
4  foo  0.865408

In [23]: gb["C"].get_group("foo")
Out[23]:
0     5
2    11
4    14
Name: C, dtype: int64

Уэс МакКинни (автор pandas) в Python для анализа данных предлагает следующий рецепт:

groups = dict(list(gb))

который возвращает словарь, ключами которого являются метки вашей группы, а значениями которого являются DataFrames, т.е.

groups['foo']

даст то, что вы ищете:

     A         B   C
0  foo  1.624345   5
2  foo -0.528172  11
4  foo  0.865408  14

Скорее, чем

gb.get_group('foo')

Я предпочитаю использовать gb.groups

df.loc[gb.groups['foo']]

Потому что таким образом вы можете выбрать несколько столбцов. например:

df.loc[gb.groups['foo'],('A','B')]

gb = df.groupby(['A'])

gb_groups = grouped_df.groups

Если вы ищете селективные объекты groupby, выполните: gb_groups.keys () и введите нужный ключ в следующий список ключей.

gb_groups.keys()

key_list = [key1, key2, key3 and so on...]

for key, values in gb_groups.iteritems():
    if key in key_list:
        print df.ix[values], "\n"

Я искал способ попробовать несколько членов GroupBy obj - должен был ответить на опубликованный вопрос, чтобы сделать это.

создать групповой объект

grouped = df.groupby('some_key')

выбрать N датафреймов и захватить их признаки

sampled_df_i  = random.sample(grouped.indicies, N)

захватить группы

df_list  = map(lambda df_i: grouped.get_group(df_i), sampled_df_i)

по желанию - превратить все это обратно в один объект данных

sampled_df = pd.concat(df_list, axis=0, join='outer')