GroupByDataFrame-Python

如何操作数据帧，以便按项分组，从而使项不会在所有行中重复？输出必须在数据帧中

我整晚都被这件事困住了，完全被困住了

输入

输出

Item             Units_Sold       Store      Holiday              
Apple              
  2017-01-01     8                1          Yes   
  2017-01-02     3                1          No
  2017-01-03     8                1          Yes                                      
Pear
  2017-01-01     4                1          Yes
  2017-01-02     3                1          No
  2017-01-03     9                1          Yes                                                        

---

您可以创建数据帧的目录：

dfs = {i:x.drop('Item',1) for i, x in df.groupby('Item')}
print (dfs)
{'Pear':          Date  Units_Sold  Store Holiday
1  2017-01-01           4      1     Yes
3  2017-01-02           3      1      No
5  2017-01-03           9      1     Yes, 'Apple':          Date  Units_Sold  Store Holiday
0  2017-01-01           8      1     Yes
2  2017-01-02           3      1      No
4  2017-01-03           8      1     Yes}

然后按

键选择：

print (type(dfs['Apple']))
<class 'pandas.core.frame.DataFrame'>

print (dfs['Apple'])
         Date  Units_Sold  Store Holiday
0  2017-01-01           8      1     Yes
2  2017-01-02           3      1      No
4  2017-01-03           8      1     Yes

print (dfs['Pear'])
         Date  Units_Sold  Store Holiday
1  2017-01-01           4      1     Yes
3  2017-01-02           3      1      No
5  2017-01-03           9      1     Yes

并通过以下方式进行选择：

一个稍加改进的解决方案，包括和：

您可以创建数据帧的目录

：

dfs = {i:x.drop('Item',1) for i, x in df.groupby('Item')}
print (dfs)
{'Pear':          Date  Units_Sold  Store Holiday
1  2017-01-01           4      1     Yes
3  2017-01-02           3      1      No
5  2017-01-03           9      1     Yes, 'Apple':          Date  Units_Sold  Store Holiday
0  2017-01-01           8      1     Yes
2  2017-01-02           3      1      No
4  2017-01-03           8      1     Yes}

然后按

键选择：

print (type(dfs['Apple']))
<class 'pandas.core.frame.DataFrame'>

print (dfs['Apple'])
         Date  Units_Sold  Store Holiday
0  2017-01-01           8      1     Yes
2  2017-01-02           3      1      No
4  2017-01-03           8      1     Yes

print (dfs['Pear'])
         Date  Units_Sold  Store Holiday
1  2017-01-01           4      1     Yes
3  2017-01-02           3      1      No
5  2017-01-03           9      1     Yes

并通过以下方式进行选择：

一个稍加改进的解决方案，包括和：

您需要添加代码。我甚至不确定你想要达到什么目的。您希望输出看起来像什么？就像问题中编码输出部分的第二部分一样，您需要添加代码。我甚至不确定你想要达到什么目的。您希望输出看起来像什么？就像问题中编码输出部分的第二部分
print (df1.xs('Apple', level=1))
         Date  Units_Sold  Store Holiday
0  2017-01-01           8      1     Yes
2  2017-01-02           3      1      No
4  2017-01-03           8      1     Yes

print (df1.xs('Pear', level=1))
         Date  Units_Sold  Store Holiday
1  2017-01-01           4      1     Yes
3  2017-01-02           3      1      No
5  2017-01-03           9      1     Yes

df1 = df.set_index('Item', append=True).swaplevel(0,1).sort_index()
print (df1)
               Date  Units_Sold  Store Holiday
Item                                          
Apple 0  2017-01-01           8      1     Yes
      2  2017-01-02           3      1      No
      4  2017-01-03           8      1     Yes
Pear  1  2017-01-01           4      1     Yes
      3  2017-01-02           3      1      No
      5  2017-01-03           9      1     Yes

print (df1.xs('Apple'))
         Date  Units_Sold  Store Holiday
0  2017-01-01           8      1     Yes
2  2017-01-02           3      1      No
4  2017-01-03           8      1     Yes

print (df1.xs('Pear'))
         Date  Units_Sold  Store Holiday
1  2017-01-01           4      1     Yes
3  2017-01-02           3      1      No
5  2017-01-03           9      1     Yes