python - pandas groupby 和 reset_index 如何更改数据框的索引？

Question

有人可以解释在对数据帧执行 groupby(...).size() 操作之后的 reset_index(name='counts') 操作期间发生了什么吗？它完全符合我的要求(创建一个数据框，其中有一列“计数”具有每个组的大小)，但我不明白它为什么起作用。

df = pd.DataFrame(
{'字母':['A', 'A', 'B', 'B', 'C'], '数字':[0,0,1,2,0]}
)

如果我执行 groupby + size 操作:df.groupby(['letter', 'number']).size()，我会得到一个包含一个“字母”的多级索引级别和一个“数字”级别:

df = df.groupby(['letter', 'number']).size()
print df.index

输出:MultiIndex(levels=[[u'A', u'B', u'C'], [0, 1, 2]],
标签=[[0, 1, 1, 2], [0, 1, 2, 0]],
names=[u'字母', u'数字'])

我对添加 .reset_index(...) 操作时发生的情况感到困惑:

df = df.groupby(['letter', 'number']).size().reset_index(name='counts'),

它生成以下索引为 RangeIndex(start=0, stop=4, step=1) 的 Dataframe:

  letter  number  counts
0      A       0       2
1      B       1       1
2      B       2       1
3      C       0       1

我对三点特别困惑:

1. reset_index 的文档没有名为“name”的关键字参数，但我看到许多帖子建议使用它来创建命名的大小/总和列 [1 , 2 , 3] 它似乎有效。是否有一些文档解释了此 name 关键字参数的工作原理？
2. reset_index 之后的新数据框有一个名为“counts”的列，但是 reset_index 文档没有说明导致列被命名，那么如何这会发生吗？
3. 如果我们只指定要删除的特定索引级别(“计数”)，为什么整个多级索引会被重置？

Answer 1

您问题中的文字有点令人困惑。当您使用 groupby 时，您需要为分组提供一个参数。您可能想要编辑。我想我仍然可以回答你的问题......

如果您将 1 个事物分组，您通常会得到一个 series 作为对 .size() 或 .count() 的回答。您可以使用 .index 来检查发生了什么:

In [18]: df1 = pd.DataFrame({'letter':['A', 'A', 'B', 'B', 'C'], 'number':[0,0,1
    ...: ,2,0]})                                                                

In [19]: df1                                                                    
Out[19]: 
  letter  number
0      A       0
1      A       0
2      B       1
3      B       2
4      C       0

In [20]: df1.index                                                              
Out[20]: RangeIndex(start=0, stop=5, step=1)

In [21]: df1.groupby('letter').size()                                           
Out[21]: 
letter
A    2
B    2
C    1
dtype: int64

In [22]: size_groups = _                                                        

In [23]: size_groups.index                                                      
Out[23]: Index(['A', 'B', 'C'], dtype='object', name='letter')

In [24]: type(size_groups)                                                      
Out[24]: pandas.core.series.Series

所以，这是一个系列，索引如上所示。如果您重置此索引，pandas 将保留该系列，但会添加一个新的索引系列，并将大小移至一个新系列，这将创建 2 个系列的数据框:

In [25]: size_groups.reset_index()                                              
Out[25]: 
  letter  0
0      A  2
1      B  2
2      C  1

除非你 groupby 2 东西，否则你不会从中得到多级索引。例如:

In [43]: df1                                                                    
Out[43]: 
  letter  number
0      A       0
1      A       0
2      B       1
3      B       2
4      C       0

In [44]: df2 = df1.groupby(['letter', 'number']).size()                         

In [45]: df2                                                                    
Out[45]: 
letter  number
A       0         2
B       1         1
        2         1
C       0         1
dtype: int64

In [46]: df2.index                                                              
Out[46]: 
MultiIndex([('A', 0),
            ('B', 1),
            ('B', 2),
            ('C', 0)],
           names=['letter', 'number'])