python - 如何让 pandas 的 groupby 命令返回 DataFrame 而不是 Series？

Question

我不明白 pandas 的 groupby 的输出。我从一个包含 5 个字段/列( zip 、城市、位置、人口、州)的 DataFrame (df0) 开始。

 >>> df0.info()
 <class 'pandas.core.frame.DataFrame'>
 RangeIndex: 29467 entries, 0 to 29466
 Data columns (total 5 columns):
 zip      29467 non-null object
 city     29467 non-null object
 loc      29467 non-null object
 pop      29467 non-null int64
 state    29467 non-null object
 dtypes: int64(1), object(4)
 memory usage: 1.1+ MB

我想得到每个城市的总人口，但由于几个城市有多个邮政编码，我想我会使用 groupby.sum 如下:

  df6 = df0.groupby(['city','state'])['pop'].sum()

但是，这返回了一个 Series 而不是 DataFrame:

 >>> df6.info()
 Traceback (most recent call last):
   File "<stdin>", line 1, in <module>
   File "/usr/local/lib/python2.7/dist-packages/pandas/core/generic.py", line 2672, in __getattr__
     return object.__getattribute__(self, name)
  AttributeError: 'Series' object has no attribute 'info'
 >>> type(df6)
 <class 'pandas.core.series.Series'>

我希望能够使用类似于以下的方法查找任何城市的人口

 df0[df0['city'].isin(['ALBANY'])]

但是因为我有一个 Series 而不是 DataFrame，所以我不能。我也无法强制转换为 DataFrame。

我现在想知道的是:

1. 为什么我没有返回 DataFrame 而不是 Series？
2. 我怎样才能得到一张表，让我可以查询一个城市的人口？我可以使用从 groupby 获得的系列吗，还是我应该采取不同的方法？

Answer 1

需要参数 as_index=False groupby或 reset_index将 MultiIndex 转换为列:

df6 = df0.groupby(['city','state'], as_index=False)['pop'].sum()

或者:

df6 = df0.groupby(['city','state'])['pop'].sum().reset_index()

示例:

df0 = pd.DataFrame({'city':['a','a','b'],
                   'state':['t','t','n'],
                   'pop':[7,8,9]})

print (df0)
  city  pop state
0    a    7     t
1    a    8     t
2    b    9     n

df6 = df0.groupby(['city','state'], as_index=False)['pop'].sum()
print (df6)
  city state  pop
0    a     t   15
1    b     n    9

---

df6 = df0.groupby(['city','state'])['pop'].sum().reset_index()
print (df6)
  city state  pop
0    a     t   15
1    b     n    9

上次选择 loc , 对于标量添加 item():

print (df6.loc[df6.state == 't', 'pop'])
0    15
Name: pop, dtype: int64

print (df6.loc[df6.state == 't', 'pop'].item())
15

但如果只需要查找表，则可以使用 Series 和 MultiIndex:

s = df0.groupby(['city','state'])['pop'].sum()
print (s)
city  state
a     t        15
b     n         9
Name: pop, dtype: int64

#select all cities by : and state by string like 't'
#output is Series of len 1
print (s.loc[:, 't'])
city
a    15
Name: pop, dtype: int64

#if need output as scalar add item()
print (s.loc[:, 't'].item())
15