Python 重命名pandas groupby对象的行索引

我有一个GroupBy对象，它的行索引是整数

light   worst_injury count
1       5            10217
2       5            4067
3       5            2142
4       5            1690
5       5            25848
6       5            734
9       5            18

我想重新命名行（而不是列！），以便“light”列包含特定字符串：

light    worst_injury    count
Day             5        10217
Dawn            5        4067
Dusk            5        2142
Dark- lit       5        1690
Dark- unlit     5        25848
Other           5        734
Unknown         5        18

我有一个字符串列表，对应于每个数字[‘Day’、‘Dawn’等]，但我不知道如何在GroupBy函数调用之前或期间将它们设置为索引。我也尝试过制作透视表，但出于同样的原因，似乎也不可能这样做

我想我可以编写一个脚本，将原始数据更改为这些字符串，而不是数字。这似乎是一种效率较低的方法，但如果无法在事件发生后或之前更改groupby对象，我愿意接受这种选择

这是现有的代码；它按灯光和每个伤害级别对数据帧进行分组，然后进行计数：

df = pd.read_csv(filename, sep='|', usecols=['crash_deer_involv_assoc', 'worst_injury_in_accident', 'light', 'accident_month'])

for i in range(1,6):
    inj = df[(df['worst_injury_in_accident'] == i)] 
    grouped = inj.groupby(['light','worst_injury_in_accident'])
    grouped.agg('count')

IIUC可通过字典

d

使用：

#maybe first reset index
df = df.reset_index()

print df
   light  worst_injury  count
0      1             5  10217
1      2             5   4067
2      3             5   2142
3      4             5   1690
4      5             5  25848
5      6             5    734
6      9             5     18

d = {1:'Day',2:'Dawn', 3:'Dusk',4:'Dark- lit',5:'Dark- unlit',6:'Other',9:'Unknown'}

df['light'] = df.light.map(d)
print df
         light  worst_injury  count
0          Day             5  10217
1         Dawn             5   4067
2         Dusk             5   2142
3    Dark- lit             5   1690
4  Dark- unlit             5  25848
5        Other             5    734
6      Unknown             5     18

如果列

灯

为

索引

：

print df
       worst_injury  count
light                     
1                 5  10217
2                 5   4067
3                 5   2142
4                 5   1690
5                 5  25848
6                 5    734
9                 5     18

d = {1:'Day',2:'Dawn', 3:'Dusk',4:'Dark- lit',5:'Dark- unlit',6:'Other',9:'Unknown'}

df.index = df.index.to_series().map(d)
print df
             worst_injury  count
light                           
Day                     5  10217
Dawn                    5   4067
Dusk                    5   2142
Dark- lit               5   1690
Dark- unlit             5  25848
Other                   5    734
Unknown                 5     18

编辑：

对于聚合，您可以将参数

添加为_index=False

，并且调用-输出为nice

DataFrame

，不需要：

print df.groupby(['light','worst_injury_in_accident'], as_index=False).count()

另一个选项是使用（对于我来说，

as_index

不起作用，所以需要调用）

---

顺便说一句：包含

NaN

值，但不包含。

您的第一个解决方案工作得非常好！reset_index（）似乎非常有用。最初我得到一个属性错误“'DataFrame'对象没有属性'light'”，但当我将

df.light.map

更改为

df['light'].map时，它被修复了。谢谢你的帮助！非常感谢。我尝试添加更好的聚合解决方案，请参阅我的编辑。如果我的答案有用，请不要忘记。谢谢。这正是我想要的——一些我在搜索过程中错过的小选择或争论。谢谢你的详细回答！我接受了。
print df.groupby(['light','worst_injury_in_accident']).size().reset_index(name='count')