python - pandas中是否有与.groupby相反的 "ungroup by"操作？

Question

假设我们采用一个 pandas 数据框...

    name  age  family
0   john    1       1
1  jason   36       1
2   jane   32       1
3   jack   26       2
4  james   30       2

然后做一个groupby() ...

group_df = df.groupby('family')
group_df = group_df.aggregate({'name': name_join, 'age': pd.np.mean})

然后做一些聚合/汇总操作(在我的示例中，我的函数 name_join 聚合名称):

def name_join(list_names, concat='-'):
    return concat.join(list_names)

因此，分组汇总输出为:

        age             name
family                      
1        23  john-jason-jane
2        28       jack-james

问题:

是否有快速有效的方法从聚合表中获取以下内容？

    name  age  family
0   john   23       1
1  jason   23       1
2   jane   23       1
3   jack   28       2
4  james   28       2

(注意:age 列值只是示例，我不关心在这个特定示例中平均后丢失的信息)

我认为我可以做到的方式看起来不太有效:

1. 创建空数据框
2. group_df 中的每一行，分隔名称
3. 返回一个数据框，其行数与起始行中的名称数相同
4. 将输出附加到空数据框

Answer 1

大致等同于 .reset_index()，但将其视为 groupby() .

您正在将一个字符串拆分成多个部分，并维护每个部分与“家庭”的关联。 This old answer of mine完成工作。

只需先将'family'设置为索引列，引用上面的链接，然后在最后使用reset_index()即可得到您想要的结果。