python - 带有 seaborn 的 Jointplot 多索引列

Question

我有这个数据框:

df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'B'], 'col2': ['A1', 'B1', 'B1', 'B1', 'A1']})

              col1  col2

0   A   A1
1   A   B1
2   B   B1
3   B   B1
4   B   A1

我做了一个groupby。结果是一个多索引列

df = df.groupby(['col1']).agg({'col2': ['nunique','count']})

       col2
       nunique   count
 col1       
 A     2           2
 B     2           3

然后，我从 seaborn 库中做了一个 jointplot

sns.jointplot(x=['col2','nunique'],y=['col2','count'],data=df,kind='scatter')

我遇到了这个错误

TypeError: only integer scalar arrays can be converted to a scalar index

我的问题是:

有没有办法像这样将多索引列拆分为两个单独的列？

col1  col2_unique col2_count        
 A     2           2
 B     2           3

或

有没有办法联合绘制多索引列？

谢谢你的帮助!

Answer 1

您可以通过在列表中指定列 col2 来更改聚合，并且在 agg 中仅使用聚合函数来避免在列中使用 MultiIndex:

df = df.groupby(['col1'])['col2'].agg(['nunique','count'])
print(df)
      nunique  count
col1                
A           2      2
B           2      3

sns.jointplot(x='nunique', y='count', data=df, kind='scatter')

---

如果需要在 agg 中使用 dictinary，或者展平 MultiIndex - 例如聚合另一列:

df = df.groupby(['col1']).agg({'col2': ['nunique','count'], 'col1':['min']})

df.columns = df.columns.map('_'.join)
print (df)
     col1_min  col2_nunique  col2_count
col1                                   
A           A             2           2
B           B             2           3