Python 是否有一个「；按“取消分组”；在熊猫中与groupby相反的操作？

假设我们使用熊猫数据帧

    name  age  family
0   john    1       1
1  jason   36       1
2   jane   32       1
3   jack   26       2
4  james   30       2

然后执行

groupby（）

group_df = df.groupby('family')
group_df = group_df.aggregate({'name': name_join, 'age': pd.np.mean})

然后执行一些聚合/汇总操作（在我的示例中，我的函数

name\u join

聚合名称）：

因此，分组汇总输出为：

        age             name
family                      
1        23  john-jason-jane
2        28       jack-james

问题： 是否有一种快速、有效的方法从聚合表获取以下内容

    name  age  family
0   john   23       1
1  jason   23       1
2   jane   23       1
3   jack   28       2
4  james   28       2

（注意：

age

列值仅为示例，我不关心在此特定示例中求平均值后丢失的信息）

我认为我能做到的方式看起来效率不高：

创建空数据帧

从

组中的每一行中，将名称分开

返回一个数据帧，其行数与起始行中的名称数相同

将输出附加到空数据帧

---

大致相当于

.reset_index（）

，但将其视为

groupby（）

的“反面”可能没有帮助

您正在将字符串拆分为多个片段，并维护每个片段与“家族”的关联。他做这项工作

---

只需首先将“family”设置为索引列，参考上面的链接，然后在最后

reset_index（）

以获得所需的结果。

有几种方法可以撤消DataFrame.groupby，其中一种方法是执行DataFrame.groupby.filter（lambda x:True），这将返回到原始数据帧。

以下是从分组对象恢复原始数据帧的完整示例

def name_join(list_names, concat='-'):
    return concat.join(list_names)

print('create dataframe\n')
df = pandas.DataFrame({'name':['john', 'jason', 'jane', 'jack', 'james'], 'age':[1,36,32,26,30], 'family':[1,1,1,2,2]})
df.index.name='indexer'
print(df)
print('create group_by object')
group_obj_df = df.groupby('family')
print(group_obj_df)

print('\nrecover grouped df')
group_joined_df = group_obj_df.aggregate({'name': name_join, 'age': 'mean'})
group_joined_df


create dataframe

          name  age  family
indexer                    
0         john    1       1
1        jason   36       1
2         jane   32       1
3         jack   26       2
4        james   30       2
create group_by object
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x7fbfdd9dd048>

recover grouped df 
                   name  age
family                      
1       john-jason-jane   23
2            jack-james   28

---

结果是，

pd.groupby（）

返回一个对象，其中包含存储在

obj

中的原始数据。因此，解组就是提取原始数据

group_df = df.groupby('family')
group_df.obj

例子

>dat_1=df.groupby（“类别_2”）
>>>dat_1
>>>dat_1.obj
订单\日期类别\ 2值
2011年02月01日越野赛324400.0
2 2011-03-01越野赛142000.0
3 2011-04-01越野赛498580.0
4 2011-05-01越野赛220310.0
5 2011-06-01越野赛364420.0
..         ...                 ...       ...
535 2015-08-01 Triathalon 39200.0
536 2015-09-01 Triathalon 75600.0
537 2015-10-01 Triathalon 58600.0
538 2015-11-01 Triathalon 70050.0
539 2015-12-01 Triathalon 38600.0
[531行x 3列]

太棒了！我仍然在研究apply、lambda、pd.Series和stack的组合，但它完全按照预期工作。谢谢可能是@AndyHayden的复制品：也许，但这个问题的标题很糟糕；这一点很简单。（因此，如果只有示例用例需要改进，最好对其进行改进，而不是关闭它）“存储在数据帧中的表”是迂回的。只需学习将数据帧视为一个表（如果它代表的是表的话）。问题有点难处理：与其执行聚合/汇总操作，然后将其反转，只需在

groupby（）之后停止，必要时对
age
进行一些平均，然后执行
reset\u index（）
AttributeError:“function”对象在问题上下文中没有属性“filter”，它将是group_df.filter（lambda x:True）。为我工作。具有复制到新数据帧的开销。
print('\nRecover the original dataframe')
print(pandas.concat([group_obj_df.get_group(key) for key in group_obj_df.groups]))

Recover the original dataframe
          name  age  family
indexer                    
0         john    1       1
1        jason   36       1
2         jane   32       1
3         jack   26       2
4        james   30       2

group_df = df.groupby('family')
group_df.obj

>>> dat_1 = df.groupby("category_2")
>>> dat_1
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x7fce78b3dd00>
>>> dat_1.obj
    order_date          category_2     value
1   2011-02-01  Cross Country Race  324400.0
2   2011-03-01  Cross Country Race  142000.0
3   2011-04-01  Cross Country Race  498580.0
4   2011-05-01  Cross Country Race  220310.0
5   2011-06-01  Cross Country Race  364420.0
..         ...                 ...       ...
535 2015-08-01          Triathalon   39200.0
536 2015-09-01          Triathalon   75600.0
537 2015-10-01          Triathalon   58600.0
538 2015-11-01          Triathalon   70050.0
539 2015-12-01          Triathalon   38600.0

[531 rows x 3 columns]