Python Pandas – 为新索引计算索引器和掩码，即使为非唯一值对象

在使用Python Pandas读取数据时，经常会遇到非唯一值的情况，这时候可以使用groupby方法来将数据分组。但在分组后，我们可能会需要一些对索引的计算，本文将介绍如何为新索引计算索引器和掩码。

新索引计算索引器

使用groupby方法后，我们可以得到每个分组的数据和对应的索引值。假设我们现在有一个数据集，它包括：

我们希望按照名字分组后，计算每个人的平均成绩。代码如下：

import pandas as pd

data = {'名字': ['张三', '李四', '王五', '张三', '李四', '王五'],
        '科目': ['语文', '数学', '语文', '数学', '语文', '数学'],
        '成绩': [80, 90, 70, 85, 75, 95]}
df = pd.DataFrame(data)

grouped = df.groupby(by='名字')
result = grouped['成绩'].mean()

这时候我们得到的结果是：

名字
张三    82.5
李四    82.5
王五    82.5
Name: 成绩, dtype: float64

这个结果已经包含了我们所需要的信息，但是我们想要把结果变成一个DataFrame对象，其中包含每个人的科目和平均成绩。这时候我们需要计算新索引器。代码如下：

new_indexer = result.index.get_level_values(0)

result_df = pd.DataFrame({'科目': ['语文', '数学', '语文'],
                          '平均成绩': result.values},
                         index=new_indexer)

这里我们使用了get_level_values()方法来获取索引值，然后将结果作为新的索引值进行DataFrame的构造。

最终的结果是：

   科目  平均成绩
名字          
张三  语文   82.5
李四  数学   82.5
王五  语文   82.5

新索引计算掩码

除了计算新索引器以外，我们有时候还需要计算掩码。假设我们现在需要找出每个人最高的成绩和科目。代码如下：

import pandas as pd

data = {'名字': ['张三', '李四', '王五', '张三', '李四', '王五'],
        '科目': ['语文', '数学', '语文', '数学', '语文', '数学'],
        '成绩': [80, 90, 70, 85, 75, 95]}
df = pd.DataFrame(data)

grouped = df.groupby(by='名字')
result = grouped['成绩'].max()

这时候我们得到的结果是：

名字
张三    85
李四    90
王五    95
Name: 成绩, dtype: int64

这里我们使用了max()方法来计算每个人的最高成绩。

但是，我们还需要找出每个人最高成绩的科目。这时候我们需要计算掩码，代码如下：

from itertools import compress

bool_mask = [i == j for i, j in zip(df['成绩'], result.index.get_level_values(0)]

filtered_data = list(compress(df['科目'], bool_mask))
result_df = pd.DataFrame({'科目': filtered_data, '最高成绩': result.values},
                         index=result.index.get_level_values(0))

这里我们使用了zip()函数来将每一行的名字和成绩组合起来进行判断，得到一个布尔值的列表，然后使用compress()函数将布尔掩码应用到科目数据上，得到最终的科目数据。

最终的结果是：

   科目  最高成绩
名字         
张三  数学     85
李四  数学     90
王五  数学     95

结论

通过本文，我们学会了如何为新索引计算索引器和掩码，即使为非唯一值对象，这对于我们处理数据集的过程中是非常有用的。希望本文能帮助到大家。