Groupby 和仅选定的列

Question

在这里我读了一个文件“userdata.xlsx”：

ID  Debt    Email   Age User

1   7.5 [e-mail]  16  John

2   15  [e-mail]  15  John

3   22  [e-mail]  15  John

4   30  [e-mail] 22  David

5   33  [e-mail] 22  David

6   51  [e-mail]  61  Fred

7   11  [e-mail]  25  Fred

8   24  [e-mail]  19  Eric

9   68  [e-mail] 55  Terry

10  335 [e-mail] 55  Terry

在这里，我按用户分组并为每个用户创建一个电子表格并将其输出为自己的 .xlsx 文件，如下所示：

ID  Debt    Email   Age User

1   7.5 [e-mail]  16  John

2   15  [e-mail]  15  John

这是整个代码：

    #!/usr/bin/env python3

    import pandas as pd

    import numpy as np

    import matplotlib.pyplot as plt

    import xlrd

    df = pd.read_excel('userdata.xlsx')

    grp = df.groupby('User')

    for group in grp.groups:

        grouptofile = (grp.get_group(group))

        print(grouptofile)

        print(group)

        grouptofile.to_excel('%s.xlsx' % group , sheet_name='sheet1', index=False)

现在我只想保存选定的列来为每个用户保存。假设我只希望选择“ID”和“电子邮件”列。我学会了如何只选择某些列，如下所示：

selected = df[['ID','Email']]

我现在认为在这里添加 ID 和电子邮件是有意义的。

grp = df.groupby('User')

添加了“ID”和“电子邮件”

grp = df[['ID', 'Email']].groupby('User')

甚至可以组合 groupby 和 select 列吗？

#!/usr/bin/env python3

    import pandas as pd

    import numpy as np

    import matplotlib.pyplot as plt

    import xlrd

    df = pd.read_excel('userdata.xlsx')

    grp = df[['ID', 'Email']].groupby('User')

    for group in grp.groups:

        grouptofile = (grp.get_group(group))

        print(grouptofile)

        print(group)

        grouptofile.to_excel('%s.xlsx' % group , sheet_name='sheet1', index=False)

Answer 1

我认为您需要在子集中指定列：cols = ['ID', 'Email']for i, group in df.groupby('User'):    group[cols].to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)如果得到KeyError: 'User'它意味着你想要选择不存在的列。因此，如果选择列ID和Email，则链接的 groupby 找不到User列并引发错误：print (df[['ID', 'Email']])   ID            Email0   1   [e-mail]1   2   [e-mail]2   3   [e-mail]3   4  [e-mail]4   5  [e-mail]5   6   [e-mail]6   7   [e-mail]7   8   [e-mail]8   9  [e-mail]9  10  [e-mail]所以有必要选择列也在 groupby 中使用：for i, group in df[['ID', 'Email', 'User']].groupby('User'):    group.to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)或者在写入文件之前选择列，就像在第一个解决方案中一样。for i, group in df[['ID', 'Email', 'User']].groupby('User'):    group[cols].to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)

Answer 2

这是可能的......但不是你这样做的方式。您正在有效地删除除两列之外的所有列，然后尝试按不再存在的第三列进行分组。相反，您需要在选择列之前进行分组（尽管我不知道分组是否numpy是一个变异操作，因此您可能需要先进行复制）。（可能次优）示例：grp = df[('ID', 'Email', 'User')].groupby('User')[('ID', 'Email')]