Python 连接多个分组输出

我想对给定数据集的不同子集执行多个

.groupby（）

操作，并将它们绑定在一起。例如：

将熊猫作为pd导入
数据帧（{“ID”：[1,1,2,2,2,3]，“子集”：[1,1,2,2,3]，“值”：[5,7,4,1,7,8]}）
打印（df）
ID子集值
0   1       1      5
1   1       1      7
2   2       2      4
3   2       2      1
4   2       2      7
5   3       1      9

然后，我希望连接以下对象并将结果存储在熊猫数据帧中：

gr1=df[df[“Subset”]==1].groupby（[“ID”，“Subset”]）.mean（）
gr2=df[df[“子集”]==2]。分组依据（[“ID”，“子集]）。平均值（）
#为什么gr1和gr2在不同的行中有列名？

我意识到

df.groupby（[“ID”，“Subset”]）.mean（）

将提供我正在寻找的连接对象。请耐心听我说，这是我实际处理的一个简化示例

可以是将

gr1

和

gr2

转换为熊猫数据帧，然后像通常一样连接它们

基本上，我的问题如下：

如何将

groupby

结果转换为数据帧对象

如果可以在不将序列转换为数据帧的情况下完成此操作，如何将两个

groupby

结果绑定在一起，然后将其转换为数据帧

---

PS：我来自R背景，所以对我来说，将数据帧按某个对象分组并将输出返回为不同类型的对象（系列或多索引数据帧）是很奇怪的。这也是我问题的一部分：为什么

.groupby

返回一个系列？这是什么类型的连续剧？为什么一个系列可以有多个列和一个索引？

在您的示例中，返回类型是一个对象。要使用单个值的单个转换函数返回数据帧，可以使用以下方法。请注意包含的

为_index=False

---

但是，如果您希望聚合多个函数，如。如果您希望避免使用

df.groupby（[“ID”，“Subset”]）.mean（）

，那么您可以使用以下示例

---

如果您只关心处理特定的行子集，那么以下内容可能适用，因为它消除了连接结果的必要性

---

---

如果在group by之后使用agg操作，它将在my pandas 0.25上返回数据帧对象，

gr1

和

gr2

是数据帧。你的版本是什么？您可以像下面这样将它们转换为_frame（）@code您是对的

gr1

和

gr2

是数据帧，但列名位于不同的行上。为什么会这样？

>>> gr1 = df[df["Subset"] == 1].groupby(["ID","Subset"], as_index=False).mean()
>>> gr1

    ID  Subset  Value
0    1       1      6

>>> gr1 = df[df["Subset"] == 1].groupby(["ID","Subset"], as_index=False).mean()
>>> gr2 = df[df["Subset"] == 2].groupby(["ID","Subset"], as_index=False).mean()

>>> pd.concat([gr1, gr2]).reset_index(drop=True)

   ID   Subset  Value
0   1        1      6
1   2        2      4

>>> values = [1,2]
>>> df[df['Subset'].isin(values)].groupby(["ID","Subset"], as_index=False).mean()

    ID  Subset  Value
0   1        1      6
1   2        2      4