Groupby 和仅选定的列

Question

在这里我读了一个文件“userdata.xlsx”：ID  Debt    Email   Age User1   7.5 [e-mail]  16  John2   15  [e-mail]  15  John3   22  [e-mail]  15  John4   30  [e-mail] 22  David5   33  [e-mail] 22  David6   51  [e-mail]  61  Fred7   11  [e-mail]  25  Fred8   24  [e-mail]  19  Eric9   68  [e-mail] 55  Terry10  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 User1   7.5 [e-mail]  16  John2   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            Email

0   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')]