pandas - agg（）函数 [英] pandas - agg() function

问题描述

我的年龄，身高和体重列的顺序随着代码的每次运行而改变。我需要保持我的agg列的顺序是静态的，因为我最终根据列位置引用这个输出文件。我能做些什么来确保年龄，身高和体重每次都以相同的顺序输出？

  d = pd.read_csv （input_file，na_​​values = ['']）
 df = pd.DataFrame（d）
 df.index_col = ['name'，'address'] 
 
 df_out = df .groupby（df.index_col）.agg（{'age'：np.mean，'height'：np.sum，'weight'：np.sum}）
 df_out.to_csv（output_file，sep ='， '）
  

解决方案

p>

  df_out = df.groupby（df.index_col）
 .agg（{'age'：np.mean，'height '：np.sum，'weight'：np.sum}）[['age'，'height'，'weight']] 
  

您也可以使用 pandas 函数：

  df_out = df.groupby（df.index_col）
 .agg（{'age'：'mean'，'height'：sum，'weight'：sum}）[['age'，'height '，'weight']] 
  

<$ p $ {code $ d $ = $ d $'''''''''''''''''''''' ，'a'，'s'，'s']，
'age'：[7,8,9,10]，
'height'：[1,3,5,7]，
'weight'：[5,3,6,8]}）

print（df）
地址年龄身高体重
0 a 7 1 q 5
1 a 8 3 q 3
2 s 9 5 a 6
3 s 10 7 a 8
df.index_col = ['name'，'address']
df_out = df.groupby（df.index_col）
.agg（{'age'：'mean'，'height'：sum，'weight'：sum}）[['age'，'height'， '重量']]

印刷（df_out）
年龄身高体重
姓名地址
as 9.5 12 14
qa 7.5 4 8
code>

通过建议进行编辑 - 添加 reset_index ，这里 as_index = False 在需要索引值的情况下也不起作用：

  df_out = df.groupby（df。 index_col）
 .agg（{'age'：'mean'，'height'：sum，'weight'：sum}）[['age'，'height'，'weight']] 
 .reset_index（）
 
 print（df_out）
名称地址年龄身高体重
 0 as 9.5 12 14 
 1 qa 7.5 4 8 
  

The ordering of my age, height and weight columns is changing with each run of the code. I need to keep the order of my agg columns static because I ultimately refer to this output file according to the column locations. What can I do to make sure age, height and weight are output in the same order every time?

d = pd.read_csv(input_file, na_values=[''])
df = pd.DataFrame(d)
df.index_col = ['name', 'address']

df_out = df.groupby(df.index_col).agg({'age':np.mean, 'height':np.sum, 'weight':np.sum})
df_out.to_csv(output_file, sep=',')

解决方案

I think you can use subset:

df_out = df.groupby(df.index_col)
           .agg({'age':np.mean, 'height':np.sum, 'weight':np.sum})[['age','height','weight']]

Also you can use pandas functions:

df_out = df.groupby(df.index_col)
           .agg({'age':'mean', 'height':sum, 'weight':sum})[['age','height','weight']]

Sample:

df = pd.DataFrame({'name':['q','q','a','a'],
                   'address':['a','a','s','s'],
                   'age':[7,8,9,10],
                   'height':[1,3,5,7],
                   'weight':[5,3,6,8]})

print (df)
  address  age  height name  weight
0       a    7       1    q       5
1       a    8       3    q       3
2       s    9       5    a       6
3       s   10       7    a       8
df.index_col = ['name', 'address']
df_out = df.groupby(df.index_col)
           .agg({'age':'mean', 'height':sum, 'weight':sum})[['age','height','weight']]

print (df_out)
              age  height  weight
name address                     
a    s        9.5      12      14
q    a        7.5       4       8

EDIT by suggestion - add reset_index, here as_index=False does not work if need index values too:

df_out = df.groupby(df.index_col)
           .agg({'age':'mean', 'height':sum, 'weight':sum})[['age','height','weight']]
           .reset_index()

print (df_out)
  name address  age  height  weight
0    a       s  9.5      12      14
1    q       a  7.5       4       8

这篇关于pandas - agg（）函数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！