Python 分配分组结果

我有以下数据帧：

date,       industry, symbol, roc
25-02-2015, Health,   abc,    200
25-02-2015, Health,   xyz,    150
25-02-2015, Mining,   tyr,    45
25-02-2015, Mining,   ujk,    70
26-02-2015, Health,   abc,    60
26-02-2015, Health,   xyz,    310
26-02-2015, Mining,   tyr,    65
26-02-2015, Mining,   ujk,    23

我需要确定平均‘roc’、最大‘roc’、最小‘roc’以及每个日期+行业的符号数量。换句话说，我需要按日期和行业分组，然后确定各种平均值、最大值/最小值等

到目前为止，我正在做以下工作，虽然很有效，但似乎非常缓慢且效率低下：

sector_df = primary_df.groupby(['date', 'industry'], sort=True).mean()
tmp_max_df = primary_df.groupby(['date', 'industry'], sort=True).max()
tmp_min_df = primary_df.groupby(['date', 'industry'], sort=True).min()
tmp_count_df = primary_df.groupby(['date', 'industry'], sort=True).count()
sector_df['max_roc'] = tmp_max_df['roc']
sector_df['min_roc'] = tmp_min_df['roc']
sector_df['count'] = tmp_count_df['roc']
sector_df.reset_index(inplace=True)
sector_df.set_index(['date', 'industry'], inplace=True)

上面的代码起作用，生成一个按日期+行业索引的数据框，显示每个日期+行业的最小/最大“roc”是多少，以及每个日期+行业存在多少符号

我基本上做了多次完整的分组（以确定“roc”的平均值、最大值、最小值和计数）。这是非常缓慢的，因为它一遍又一遍地做着同样的事情

---

有没有办法只做一次小组练习。然后对该对象执行平均值、最大值等，并将结果分配给要使用

agg

执行聚合的扇区

In [72]:

df.groupby(['date','industry']).agg([pd.Series.mean, pd.Series.max, pd.Series.min, pd.Series.count])
Out[72]:
                       roc                
                      mean  max  min count
date       industry                       
2015-02-25 Health    175.0  200  150     2
           Mining     57.5   70   45     2
2015-02-26 Health    185.0  310   60     2
           Mining     44.0   65   23     2

这允许您传递要执行的函数的iterable（在本例中是一个列表）

编辑

要访问单个结果，需要为每个轴传递一个元组：

In [78]:
gp.loc[('2015-02-25','Health'),('roc','mean')]

Out[78]:
175.0

---

其中，

gp=df.groupby（['date'，'industry']）.agg（[pd.Series.mean，pd.Series.max，pd.Series.min，pd.Series.count]）

您想使用

agg

执行聚合：

In [72]:

df.groupby(['date','industry']).agg([pd.Series.mean, pd.Series.max, pd.Series.min, pd.Series.count])
Out[72]:
                       roc                
                      mean  max  min count
date       industry                       
2015-02-25 Health    175.0  200  150     2
           Mining     57.5   70   45     2
2015-02-26 Health    185.0  310   60     2
           Mining     44.0   65   23     2

这允许您传递要执行的函数的iterable（在本例中是一个列表）

编辑

要访问单个结果，需要为每个轴传递一个元组：

In [78]:
gp.loc[('2015-02-25','Health'),('roc','mean')]

Out[78]:
175.0

---

其中，

gp=df.groupby（['date'，'industry']）.agg（[pd.Series.mean，pd.Series.max，pd.Series.min，pd.Series.count]）

您只需将groupby部分保存到一个变量中，如下所示：

primary_df = pd.DataFrame([['25-02-2015', 'Health', 'abc', 200],
                   ['25-02-2015', 'Health', 'xyz', 150],
                   ['25-02-2015', 'Mining',  'tyr', 45],
                   ['25-02-2015', 'Mining', 'ujk', 70], 
                   ['26-02-2015', 'Health', 'abc', 60],
                   ['26-02-2015', 'Health', 'xyz', 310],
                   ['26-02-2015', 'Mining',  'tyr', 65],
                   ['26-02-2015', 'Mining', 'ujk', 23]], 
                  columns='date industry symbol roc'.split())

grouped = primary_df.groupby(['date', 'industry'], sort=True)
sector_df = grouped.mean()
tmp_max_df = grouped.max()
tmp_min_df = grouped.min()
tmp_count_df = grouped.count()

sector_df['max_roc'] = tmp_max_df['roc']
sector_df['min_roc'] = tmp_min_df['roc']
sector_df['count'] = tmp_count_df['roc']
sector_df.reset_index(inplace=True)
sector_df.set_index(['date', 'industry'], inplace=True)

---

您只需将groupby部件保存到变量，如下所示：

primary_df = pd.DataFrame([['25-02-2015', 'Health', 'abc', 200],
                   ['25-02-2015', 'Health', 'xyz', 150],
                   ['25-02-2015', 'Mining',  'tyr', 45],
                   ['25-02-2015', 'Mining', 'ujk', 70], 
                   ['26-02-2015', 'Health', 'abc', 60],
                   ['26-02-2015', 'Health', 'xyz', 310],
                   ['26-02-2015', 'Mining',  'tyr', 65],
                   ['26-02-2015', 'Mining', 'ujk', 23]], 
                  columns='date industry symbol roc'.split())

grouped = primary_df.groupby(['date', 'industry'], sort=True)
sector_df = grouped.mean()
tmp_max_df = grouped.max()
tmp_min_df = grouped.min()
tmp_count_df = grouped.count()

sector_df['max_roc'] = tmp_max_df['roc']
sector_df['min_roc'] = tmp_min_df['roc']
sector_df['count'] = tmp_count_df['roc']
sector_df.reset_index(inplace=True)
sector_df.set_index(['date', 'industry'], inplace=True)

---

太好了，谢谢。在创建df后，我将如何引用特定值，例如，我将如何获得2015年2月25日《健康》中roc平均值。我尝试了以下不起作用的方法：df.loc['2015-02-25'，'Health']['roc'，'mean']@darkpool我已经更新了我的答案以显示如何访问单个值谢谢，我收到了一个关键错误。忙着弄明白为什么会这样。我猜是这里出了问题，而不是你的答案。我会尽快接受你的回答，只要我能弄清楚为什么我会得到这个键错误。我会检查你的索引和列，以确保没有输入错误，还有你的日期日期时间数据类型是否正确？它现在工作了，谢谢。我忘了重置，然后设置了索引。谢谢，太好了，谢谢。在创建df后，我将如何引用特定值，例如，我将如何获得2015年2月25日《健康》中roc平均值。我尝试了以下不起作用的方法：df.loc['2015-02-25'，'Health']['roc'，'mean']@darkpool我已经更新了我的答案以显示如何访问单个值谢谢，我收到了一个关键错误。忙着弄明白为什么会这样。我猜是这里出了问题，而不是你的答案。我会尽快接受你的回答，只要我能弄清楚为什么我会得到这个键错误。我会检查你的索引和列，以确保没有输入错误，还有你的日期日期时间数据类型是否正确？它现在工作了，谢谢。我忘了重置，然后设置了索引。非常感谢。