Python为groupby创建的行分配新行名

在我的数据集中，我使用

groupby

跨列求和值，并将新的求和值附加到原始数据框中，如下所示

import pandas as pd
data = {'Person':['A','B','C','D','E','F'], 
    'NY':[1, 1, 0, 3, 0, 0],
    'LA':[0, 1, 1, 0, 1, 1],
    'CHI':[2, 0, 1, 0, 0, 1],
    'Gender':['F','F','F','M','M','NA'],
    'Citizenship':['US','Canada','US','US','Mexico','Canada'],
    'Age':['30s','30s','50s','NA','20s','30s']} 
df = pd.DataFrame(data) 
n_by_gender = df.groupby(['Gender']).sum()
n_by_citizenship = df.groupby(['Citizenship']).sum()
n_by_age = df.groupby(['Age']).sum()
df_new = pd.concat([df, n_by_gender, n_by_citizenship, n_by_age])

我注意到，当我连接这些数据帧时，Python会自动创建一个与我分配的组相关的索引，但这些并不是实际的行名称（如下图-来自Jupyter notebook）。有没有办法根据索引分配行名，而不是硬编码行名？（例如，第7、第8和第9行将命名为

“Gender\u F”、“Gender\u M”、“Gender\u NA”

，第10和第11行将命名为

“citizensity\u Canada”、“citizensity\u Mexico”

，…）是否更容易创建一个名为

ID

的新列或存储此信息的东西，而不是将其存储为行名

编辑：最终数据帧如下所示：

final = {'rownames':['NY','LA','CHI'],
         'Gender_F':[2,1,0],
         'Gender_M':[3,1,0],
         'Gender_NA':[0,1,1],
         'Citizenship_Canada':[1,2,1],
         'Citizenship_Mexico':[0,1,0],
         'Citizenship_US':[4,1,3],
         'Age_20s':[0,1,0],
         'Age_30s':[2,2,3],
         'Age_50s':[0,1,1],
         'Age_NA':[3,0,0]}
finaldf = pd.DataFrame(final)
finaldf

---

总之，使用

.melt

将数据帧解压为长格式，

pd.get\u dummies

创建虚拟变量列，

np.where

和

.groupby

首先，

.melt

数据帧并指定所有未最终分组的列，因此将所有非“NY”、“LA”或“CHI”的列传递给

id\u vars

参数。“变量”列会自动创建，并带有相应的“值”列，将数据从宽格式（即透视格式）转换为长格式（即未透视格式）

第二，使用

pd.get_dummies（）

并传递要为其设置虚拟变量的列，并将

dtype

指定为“int”，为下一步做准备。或者，您可以为

pd.get_dummies（）

使用默认的

dtype

，它是

np.uint8

，但我发现传递

dtype='int'

更容易

在第三步中，我循环遍历相关列（除“value”列外的所有数据类型为“int”的列），并使用

np.where（）

将“value”列应用于前面执行

pd.get_dummies（）

时返回1的任何单元格

最后，您已经准备好对“variable”列执行.groupby（），按三个城市（“NY”、“LA”、“CHI”）汇总数据

---

原因是什么，你正在过滤并连接到同一个数据帧？最终我想扔掉包含单个信息的行（

A

，

B

，

C

，…），然后转置数据帧，以便将

NY

，

LA

和

CHI

作为行，以及我计算的所有总和（

F

，

M

，

NA

，…）列。好的，你能给我们一个预期输出的示例吗？谁知道呢，可能有一个简单的approach@wwnde刚刚添加了我希望生成的最终数据帧！

import pandas as pd, numpy as np
df1 = df.melt(id_vars=['Person', 'Gender', 'Citizenship', 'Age'])
a = pd.get_dummies(df1, columns=['Gender', 'Citizenship', 'Age'], dtype='int')
for col in a.columns.to_list():
    if col != ['value'] and a[col].dtype == 'int':
        a[col] = np.where(a[col] == 1, a['value'], a[col])
b = a.groupby('variable').sum().reset_index().rename({'variable' : 'rownames'}, axis=1).drop('value', axis=1)
b