问题:pandas中有与.groupby相反的“ungroup by”操作吗?

假设我们采用 pandas 数据框...

    name  age  family
0   john    1       1
1  jason   36       1
2   jane   32       1
3   jack   26       2
4  james   30       2

然后做一个groupby()...

group_df = df.groupby('family')
group_df = group_df.aggregate({'name': name_join, 'age': pd.np.mean})

然后进行一些聚合/汇总操作(在我的示例中,我的函数name_join聚合了名称):

def name_join(list_names, concat='-'):
    return concat.join(list_names)

分组摘要输出如下:

        age             name
family                      
1        23  john-jason-jane
2        28       jack-james

问题:

有没有一种快速、有效的方法可以从聚合表中获取以下内容?

    name  age  family
0   john   23       1
1  jason   23       1
2   jane   23       1
3   jack   28       2
4  james   28       2

(注意:age列值只是示例,我不在乎在此特定示例中平均后丢失的信息)

我认为我可以做到的方式看起来不太有效:

1.创建空数据框

2.从group_df的每一行,分开名字

3. 返回一个数据框,其行数与起始行中的名称一样多

4. 将输出附加到空数据框

解答

粗略的等价物是.reset_index(),但将其视为groupby()的“对立面”可能没有帮助。

您正在将一个字符串拆分为多个片段,并保持每个片段与“家庭”的关联。我的这个旧答案可以完成这项工作。

只需先将 'family' 设置为索引列,参考上面的链接,然后在末尾设置reset_index()即可获得您想要的结果。