Python Groupby和仅选定列

这里我读了一个文件“userdata.xlsx”：

在这里，我按用户分组，按用户创建电子表格，并将其输出为自己的.xlsx文件，如下所示：

ID  Debt    Email   Age User
1   7.5 john@email.com  16  John
2   15  john@email.com  15  John

以下是完整的代码：

    #!/usr/bin/env python3

    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import xlrd

    df = pd.read_excel('userdata.xlsx')
    grp = df.groupby('User')

    for group in grp.groups:
        grouptofile = (grp.get_group(group))
        print(grouptofile)
        print(group)
        grouptofile.to_excel('%s.xlsx' % group , sheet_name='sheet1', index=False)

现在我只想保存为每个用户保存的选定列。假设我只想选择“ID”和“Email”列。我学会了如何只选择某些列，如下所示：

selected = df[['ID','Email']]

我现在认为在这里添加ID和电子邮件是有意义的

grp = df.groupby('User')

添加了“ID”和“电子邮件”

甚至可以组合groupby和select列吗

#!/usr/bin/env python3

    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import xlrd

    df = pd.read_excel('userdata.xlsx')
    grp = df[['ID', 'Email']].groupby('User')

    for group in grp.groups:
        grouptofile = (grp.get_group(group))
        print(grouptofile)
        print(group)
        grouptofile.to_excel('%s.xlsx' % group , sheet_name='sheet1', index=False)

这是我得到的错误：

Traceback (most recent call last):
  File "/Users/Barry/Documents/Python/Pandas/exelscript.py", line 22, in <module>
    grp = df[['ID', 'Email']].groupby('User')
  File "/usr/local/lib/python3.7/site-packages/pandas/core/generic.py", line 6665, in groupby
    observed=observed, **kwargs)
  File "/usr/local/lib/python3.7/site-packages/pandas/core/groupby/groupby.py", line 2152, in groupby
    return klass(obj, by, **kwds)
  File "/usr/local/lib/python3.7/site-packages/pandas/core/groupby/groupby.py", line 599, in __init__
    mutated=self.mutated)
  File "/usr/local/lib/python3.7/site-packages/pandas/core/groupby/groupby.py", line 3291, in _get_grouper
    raise KeyError(gpr)
KeyError: 'User'

回溯（最近一次呼叫最后一次）：
文件“/Users/Barry/Documents/Python/Pandas/exelscript.py”，第22行，在
grp=df[['ID'，'Email']].groupby（'User'））
groupby中的文件“/usr/local/lib/python3.7/site packages/pandas/core/generic.py”，第6665行
观察到的=观察到的，**千克）
groupby中的文件“/usr/local/lib/python3.7/site packages/pandas/core/groupby/groupby.py”，第2152行
返回klass（obj，由，**科威特先令）
文件“/usr/local/lib/python3.7/site packages/pandas/core/groupby/groupby.py”，第599行，在__
变异的
文件“/usr/local/lib/python3.7/site-packages/pandas/core/groupby/groupby.py”，第3291行，在grouper中
raise KeyError（探地雷达）
KeyError:'用户'

有可能。。。但不太清楚你是怎么做的

您实际上删除了除两列以外的所有列，然后尝试按不再存在的第三列进行分组。相反，您需要在选择列之前进行分组（尽管我不知道在

numpy

中分组是否是一种变异操作，因此您可能需要先进行复制）

（可能是次优）示例：

---

我认为您需要在子集中指定列：

cols = ['ID', 'Email']
for i, group in df.groupby('User'):
    group[cols].to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)

如果get

KeyError:'User'

表示您希望选择不存在的列

因此，如果选择列

ID

和

Email

，则chained groupby无法找到

User

列并引发错误：

print (df[['ID', 'Email']])
   ID            Email
0   1   john@email.com
1   2   john@email.com
2   3   john@email.com
3   4  david@email.com
4   5  david@email.com
5   6   fred@email.com
6   7   fred@email.com
7   8   eric@email.com
8   9  terry@email.com
9  10  terry@email.com

因此，有必要选择groupby中也使用的列：

for i, group in df[['ID', 'Email', 'User']].groupby('User'):
    group.to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)

或者在写入文件之前选择列，就像在第一个解决方案中一样

for i, group in df[['ID', 'Email', 'User']].groupby('User'):
    group[cols].to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)

---

工作原理与前面的代码相同。但是它仍然输出所有的栏目，而不仅仅是“ID”和“Email”。Thx先生，如果你有时间，你能解释一下吗？只是为了让像你这样的无名小卒明白me@Barry-当然，没问题：）

print (df[['ID', 'Email']])
   ID            Email
0   1   john@email.com
1   2   john@email.com
2   3   john@email.com
3   4  david@email.com
4   5  david@email.com
5   6   fred@email.com
6   7   fred@email.com
7   8   eric@email.com
8   9  terry@email.com
9  10  terry@email.com

for i, group in df[['ID', 'Email', 'User']].groupby('User'):
    group.to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)

for i, group in df[['ID', 'Email', 'User']].groupby('User'):
    group[cols].to_excel('{}.xlsx'.format(i), sheet_name='sheet1', index=False)