数据集python上的Groupby函数

我有以下数据集，用于我的研究。最终输出为斜率

import numpy as np
import pandas as pd
from scipy import stats

df=pd.read_excel('I:/Python/Data/Copy.xlsx')


df_np=np.array(df)

x=np.array(df_np[:,14],dtype=float)
y=np.array(df_np[:,12],dtype=float)



for i, pair in enumerate(zip(x, y)):


slope, intercept, r_value, p_value, std_err = stats.linregress(np.delete(x,i),np.delete(y,i))

print('slope', slope, 'for data without pair', i, ':', pair)          

---

在上面的代码中，我需要的帮助是测试事件单独输出，斜率值单独输出。测试_事件和斜率值之间没有1:1的关系

假设每个测试事件中有10个ID

测试ID=0,1,2，…9

测试事件=11,12,13,14

这意味着我需要每个测试事件中每个ID的斜率

Test event     ID     x=axis      y-axis     slope

---

这方面的任何帮助都将非常有用

一种方法是通过

Test Event

对数据帧进行分组，然后在

groupby

对象上循环，并在每个组上运行现有代码。阅读关于迭代组的内容

---

您可以使用任何数组作为

linegress

函数的输入。。这包括数据帧中的系列：

linregress(df['x-axis'], df['y-axis'])

使用pandas groupby时，您可以对每个组应用

grouped = df.groupby('Test Event')
grouped.apply(lambda x: pd.Series(linregress(x['x-axis'], x['y-axis']))).rename(columns={
    0: 'slope',
    1: 'intercept',
    2: 'rvalue',
    3: 'pvalue',
    4: 'stderr'}).reset_index()

我知道熊猫有一个groupby（）方法。看一看，谢谢你的回答。输出应如上表所示，具有20个不同的斜率值（每个事件类型10个斜率值）。我先打印测试事件，然后打印斜率值。我的意思是，测试事件的打印方式不同，斜率值的打印方式也不同。每个测试事件都没有斜率值。@JLuxton，hanks，请回答。输出应如上表所示，具有20个不同的斜率值（每个事件类型10个斜率值）。我先打印测试事件，然后打印坡度值。我的意思是，测试事件的打印方式不同，坡度值的打印方式也不同。没有每个测试事件的坡度值。所以您想要一个连续坡度？我不清楚你想要的结果是什么。
grouped = df.groupby('Test Event')
grouped.apply(lambda x: pd.Series(linregress(x['x-axis'], x['y-axis']))).rename(columns={
    0: 'slope',
    1: 'intercept',
    2: 'rvalue',
    3: 'pvalue',
    4: 'stderr'}).reset_index()