在熊猫中，groupby分组列消失后

在熊猫中，groupby分组列消失后

退货

Dataframe

后

groupby

有两种解决方案：

1. 参数

   as_index=False

   是什么在起作用尼斯

   count

   ，

   sum

   ，

   mean

   功能

2. reset_index

   用于从

   index

   ，更通用的解决方案级别创建新列

   df = ttm.groupby([‘clienthostid’], as_index=False, sort=False)[‘LoginDaysSum’].count()
   print (df)
   clienthostid LoginDaysSum
   0 1 4
   1 3 2
   
   
   

   df = ttm.groupby([‘clienthostid’], sort=False)[‘LoginDaysSum’].count().reset_index()
   print (df)
   clienthostid LoginDaysSum
   0 1 4
   1 3 2

---

对于第二个需求，删除

as_index=False

并改为添加

reset_index

：

#output is `Series`a = ttm.groupby(['clienthostid'], sort=False)['LoginDaysSum']          .apply(lambda x: x.iloc[0] / x.iloc[1])print (a)clienthostid1    1.03    1.5Name: LoginDaysSum, dtype: float64print (type(a))<class 'pandas.core.series.Series'>print (a.index)Int64Index([1, 3], dtype='int64', name='clienthostid')df1 = ttm.groupby(['clienthostid'], sort=False)['LoginDaysSum']         .apply(lambda x: x.iloc[0] / x.iloc[1]).reset_index(name='ratio')print (df1)   clienthostid  ratio0  1    1.01  3    1.5

为什么有些列不见了？

我认为可能会自动排除讨厌的列：

#convert column to strttm.usersidid = ttm.usersidid.astype(str) + 'aa'print (ttm)  usersidid  clienthostid  eventSumTotal  LoginDaysSum  score0      12aa  1  60  3   17281      11aa  1 240  3   13313       5aa  1   5  3    1254       6aa  1  16  2    2162      10aa  3 270  3   10005       8aa  3  18  2    512#removed str column userida = ttm.groupby(['clienthostid'], sort=False).sum()print (a)   eventSumTotal  LoginDaysSum  scoreclienthostid   1 321 11   34003 288  5   1512

熊猫的大小和数量有什么区别？