Python 熊猫群发至_csv

要将Pandas groupby数据帧输出到CSV。尝试了各种StackOverflow解决方案，但都不起作用

Python 3.6.1、0.20.1

groupby结果如下所示：

id  month   year    count
week                
0   9066    82  32142   895
1   7679    84  30112   749
2   8368    126 42187   872
3   11038   102 34165   976
4   8815    117 34122   767
5   10979   163 50225   1252
6   8726    142 38159   996
7   5568    63  26143   582

想要一个看起来像

week  count
0   895
1   749
2   872
3   976
4   767
5   1252
6   996
7   582

当前代码：

week_grouped = df.groupby('week')
week_grouped.sum() #At this point you have the groupby result
week_grouped.to_csv('week_grouped.csv') #Can't do this - .to_csv is not a df function. 

阅读SO解决方案：

结果：AttributeError:无法访问“DataFrameGroupBy”对象的可调用属性“drop\u duplicates”，请尝试使用“apply”方法

---

结果：AttributeError:“无法访问'DataFrameGroupBy'对象的可调用属性'reset\u index'，请尝试使用'apply'方法”

尝试将第二行更改为

week\u grouped=week\u grouped.sum（）

并重新运行所有三行

如果在自己的Jupyter笔记本单元中运行

week\u grouped.sum（）

，您将看到语句如何将输出返回到单元的输出，而不是将结果分配回

week\u grouped

。有些方法有一个

inplace=True

参数（例如，

df.sort\u值（by=col\u name，inplace=True）

），但

sum

没有

编辑：每周编号是否仅在CSV中显示一次？如果是这样，这里有一个更简单的解决方案，它不使用

groupby

：

df = pd.read_csv('input.csv')
df[['id', 'count']].to_csv('output.csv')

---

我觉得没有必要使用groupby，您可以直接删除不需要的列

df = df.drop(['month','year'], axis=1)
df.reset_index()
df.to_csv('Your path')

尝试这样做：

week_grouped = df.groupby('week')
week_grouped.sum().reset_index().to_csv('week_grouped.csv')

这将把整个数据帧写入文件。如果你只想要这两列

week_grouped = df.groupby('week')
week_grouped.sum().reset_index()[['week', 'count']].to_csv('week_grouped.csv')

下面是对原始代码的逐行解释：

# This creates a "groupby" object (not a dataframe object) 
# and you store it in the week_grouped variable.
week_grouped = df.groupby('week')

# This instructs pandas to sum up all the numeric type columns in each 
# group. This returns a dataframe where each row is the sum of the 
# group's numeric columns. You're not storing this dataframe in your 
# example.
week_grouped.sum() 

# Here you're calling the to_csv method on a groupby object... but
# that object type doesn't have that method. Dataframes have that method. 
# So we should store the previous line's result (a dataframe) into a variable 
# and then call its to_csv method.
week_grouped.to_csv('week_grouped.csv')

# Like this:
summed_weeks = week_grouped.sum()
summed_weeks.to_csv('...')

# Or with less typing simply
week_grouped.sum().to_csv('...')

---

Group By返回键、值对，其中键是组的标识符，值是组本身，即匹配键的原始df的子集

在您的示例中，

week\u grouped=df.groupby（'week'）

是一组组组（pandas.core.groupby.DataFrameGroupBy对象），您可以按如下方式详细查看这些组：

for k, gr in week_grouped:
    # do your stuff instead of print
    print(k)
    print(type(gr)) # This will output <class 'pandas.core.frame.DataFrame'>
    print(gr)
    # You can save each 'gr' in a csv as follows
    gr.to_csv('{}.csv'.format(k))

在您的示例中，您需要将函数结果指定给某个变量，因为默认情况下，对象是不可变的

some_variable = week_grouped.sum() 
some_variable.to_csv('week_grouped.csv') # This will work

---

基本上result.csv和week_grouped.csv是相同的

Pandas groupby生成大量信息（计数、平均值、标准差等）。如果要将所有数据保存在csv文件中，首先需要将其转换为常规数据帧：

import pandas as pd
...
...
MyGroupDataFrame = MyDataFrame.groupby('id')
pd.DataFrame(MyGroupDataFrame.describe()).to_csv("myTSVFile.tsv", sep='\t', encoding='utf-8')

---

谢谢为什么当sum（）是to_csv语句的一部分时它会工作，而当sum（）是在它自己的行上完成时它就不工作了？@kalmdown，如果这回答了您的问题，请您这样标记好吗？单击复选标记使其变为绿色。@kalmdown，我的回答回答了你的问题吗？我的答案仍然没有被标记为接受。在原始数据中，一周显示在多行上。在这种情况下，groupby用于收集周数，以便每周进行计数。顺便说一句-非常感谢您解释为什么

sum

是一个问题。感谢您的深入解释。有助于理解系统，而不仅仅是问题。应为“axis=1”…但这将输出行，但不会按周或状态分组。如果您在此处登录，希望了解如何将每个groupby保存到其自己的CSV文件，请参阅。

result = week_grouped.sum()
# This will be already one row per key and its aggregation result
result.to_csv('result.csv') 

some_variable = week_grouped.sum() 
some_variable.to_csv('week_grouped.csv') # This will work

import pandas as pd
...
...
MyGroupDataFrame = MyDataFrame.groupby('id')
pd.DataFrame(MyGroupDataFrame.describe()).to_csv("myTSVFile.tsv", sep='\t', encoding='utf-8')