Як перевести циклічний згрупований фрейм даних Pandas?

DataFrame:

  c_os_family_ss c_os_major_is l_customer_id_i
0      Windows 7                         90418
1      Windows 7                         90418
2      Windows 7                         90418

Код:

print df
for name, group in df.groupby('l_customer_id_i').agg(lambda x: ','.join(x)):
    print name
    print group

Я намагаюся просто перевести цикл на зведені дані, але я отримую помилку:

ValueError: занадто багато значень для розпакування

@EdChum, ось очікуваний вихід:

                                                    c_os_family_ss  \
l_customer_id_i
131572           Windows 7,Windows 7,Windows 7,Windows 7,Window...
135467           Windows 7,Windows 7,Windows 7,Windows 7,Window...

                                                     c_os_major_is
l_customer_id_i
131572           ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,...
135467           ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,...

Вихід не є проблемою, я хочу перейти на кожну групу.

df.groupby('l_customer_id_i').agg(lambda x: ','.join(x)) вже повертає кадр даних, тому ви більше не можете перебирати групи.

В загальному:

• df.groupby(...)повертає GroupByоб’єкт (DataFrameGroupBy або SeriesGroupBy), і за допомогою цього ви можете переглядати групи (як пояснено в документах тут ). Ви можете зробити щось на кшталт:

  grouped = df.groupby('A')
  
  for name, group in grouped:
      ...

• При застосуванні функції на GroupBy, в вашому прикладі df.groupby(...).agg(...)(але це також може бути transform, apply, mean, ...), ви скомбінувати результат застосування функції до різних груп в одному dataframe (Застосувати і об'єднати крок з парадигма "розділити-застосувати-поєднати" групи). Тому результатом цього завжди буде знову DataFrame (або серія залежно від застосованої функції).

Ось приклад ітерації над pd.DataFrameзгрупованою колоною atable. Для зразкового шаблону операції "create" для бази даних SQL створюються в forциклі:

import pandas as pd

df1 = pd.DataFrame({
    'atable':     ['Users', 'Users', 'Domains', 'Domains', 'Locks'],
    'column':     ['col_1', 'col_2', 'col_a', 'col_b', 'col'],
    'column_type':['varchar', 'varchar', 'int', 'varchar', 'varchar'],
    'is_null':    ['No', 'No', 'Yes', 'No', 'Yes'],
})

df1_grouped = df1.groupby('atable')

# iterate over each group
for group_name, df_group in df1_grouped:
    print('\nCREATE TABLE {}('.format(group_name))

    for row_index, row in df_group.iterrows():
        col = row['column']
        column_type = row['column_type']
        is_null = 'NOT NULL' if row['is_null'] == 'NO' else ''
        print('\t{} {} {},'.format(col, column_type, is_null))

    print(");")

Ви можете повторити значення індексу, якщо ваш фрейм даних вже створений.

df = df.groupby('l_customer_id_i').agg(lambda x: ','.join(x))
for name in df.index:
    print name
    print df.loc[name]