使用分类字符串对 pandas 数据框进行分组

Question

我有以下df

df = pd.DataFrame({'Cat':['tq','tb','ta','tb','ta','tq','tb','tq','ta'],
                   'col1':['a','a','a','b','b','c','c','c','a'],
                   'col2':['aa','aa','aa','aa','ba','ba','cc','cc','cc'],
                   'val':np.random.rand(9)})

我想创建以下排名：

df['Cat'] = pd.Categorical(df['Cat'],['tb','tq','ta'])

但是，当我尝试按总和分组时：

df2 = df.groupby(['col1','Cat','col2'])['val'].sum()

我最终得到 27 行 table，而不是我省略分类排名时所需的 8 行。

我了解到 27 是 ['col1','Cat','col2'] 的唯一值的乘积。我想知道如何通过而不是过滤掉 val != 0

的位置来防止组中的这些排列

Answer 1

您可以在 groupby

中使用 observed 参数

df2 = df.groupby(['col1','Cat','col2'], observed=True)['val'].sum()
df2
# col1  Cat  col2
# a     tq   aa      0.422378
#       tb   aa      0.395679
#       ta   aa      0.407851
#            cc      0.998086
# b     tb   aa      0.318188
#       ta   ba      0.861469
# c     tq   ba      0.333660
#            cc      0.427609
#       tb   cc      0.415207
# Name: val, dtype: float64

使用分类字符串对 pandas 数据框进行分组

Grouping a pandas dataframe with categorical strings

python

pandas

group-by

categorical-data