python - 如何为 DataFrame 的每一行分配一个组名？

Question

这是一个示例 df，

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',
                      'foo', 'bar', 'foo', 'foo'],
                   'B' : ['one', 'one', 'two', 'three',
                      'two', 'two', 'one', 'three'],
                   'C' : np.random.randn(8),
                   'D' : np.random.randn(8)
                  })

     A   B        C           D
0   foo one    1.215172   -0.861875
1   bar one   -0.318147    0.384239
2   foo two    1.729844   -0.173781
3   bar three  0.331456    0.914334
4   foo two    2.038198   -0.354784
5   bar two    0.258204   -1.476305
6   foo one   -0.338992    0.856365
7   foo three -0.311692.  -0.159846

并按 A 和 B 分组，例如

for name, group in df.groupby(['A', 'B']):
    print(name)
    print(group)


('bar', 'one')
     A    B         C         D
1  bar  one -0.318147  0.384239
('bar', 'three')
     A      B         C         D
3  bar  three  0.331456  0.914334
('bar', 'two')
     A    B         C         D
5  bar  two  0.258204 -1.476305
('foo', 'one')
     A    B         C         D
0  foo  one  1.215172 -0.861875
6  foo  one -0.338992  0.856365
('foo', 'three')
     A      B         C         D
7  foo  three -0.311692 -0.159846
('foo', 'two')
     A    B         C         D
2  foo  two  1.729844 -0.173781
4  foo  two  2.038198 -0.354784

所以我们现在有 6 个组。

问题:如何添加一个名为G的新列，并让其值为组名(如G1,G2...G6)，由该行所属的组决定。

这是 df 最终应该看起来的样子:

     A   B        C           D          G
0   foo one    1.215172   -0.861875      G4
1   bar one   -0.318147    0.384239      G1
2   foo two    1.729844   -0.173781      G6
3   bar three  0.331456    0.914334      G2
4   foo two    2.038198   -0.354784      G6
5   bar two    0.258204   -1.476305      G3
6   foo one   -0.338992    0.856365      G4
7   foo three -0.311692.  -0.159846      G5

感谢您的帮助。

Answer 1

有一个悬而未决的 PR 我需要 rebase ——这个问题只是促使我绕过它 :-)——这最终将为我们提供一种访问此信息的干净方式。同时，组代码实际上在 groupby 对象中，只是隐藏了一点:

In [97]: df["GN"] = df.groupby(["A","B"]).grouper.group_info[0]

In [98]: df["G"] = "G" + (df["GN"] + 1).astype(str)

In [99]: df
Out[99]: 
     A      B         C         D  GN   G
0  foo    one -1.245506  0.307395   3  G4
1  bar    one  0.072989 -0.402182   0  G1
2  foo    two  0.399269  0.794413   5  G6
3  bar  three  0.475859 -0.685398   1  G2
4  foo    two -0.463065 -0.222632   5  G6
5  bar    two  0.696606 -0.999691   2  G3
6  foo    one -1.211876 -0.368574   3  G4
7  foo  three -0.936385 -1.067160   4  G5