如何给行和列标题的列表输出从循环在Python?

Question

我有一个小循环，它给了我n个片段的数据列表。下面是代码:

for df_grp in df.groupby(['Segment']):
grp_ci = 1.96 * np.std(grp['Conversion_Percentage'])/math.sqrt(len(grp['Conversion_Percentage']))
grp_cvr = grp['Conversion_Percentage'].iloc[-1]
grp_ci95plus = grp_cvr + grp_ci
grp_ci95minus = grp_cvr - grp_ci
stat = (grp_ci,grp_cvr,grp_ci95plus,grp_ci95minus)
print(stat)

我基本上想要这4个统计输出，我在这里得到一个列表，如下所示:

(0.7443617976588611, 8.349514563106796, 9.093876360765657, 7.605152765447935)
(0.5279035518807871, 7.9468622035996574, 8.474765755480444, 7.418958651718871)

这是按段A分组的样本数据，其他段也是如此。这个特定的子集给出了我正在计算的4个统计值:

days       user      Conversion_Percentage
0                0.0        618               2.942577
1                1.0        638               3.037806
2                2.0        662               3.152081
3                3.0        686               3.266356
4                4.0        726               3.456814
5                5.0        835               3.975812
6                6.0        915               4.356728
7                7.0        971               4.623369
8                8.0       1004               4.780497

但是我希望它以表格的形式出现。最重要的是，我想要得到行和列标头。我尝试将列表转换为数据框架:

array = (grp_ci,grp_cvr,grp_ci95plus,grp_ci95minus)
index_values = ['grp']
column_values = ['ci','cvr','ci95plus','ci95minus']
stat= pd.DataFrame(data = array, index = index_values, columns = column_values)
print(stat)

但是它给了我错误:

AttributeError: module 'pandas' has no attribute 'Dataframe'

我已经检查了我没有使用包名称命名任何文件或脚本，但仍然无法理解此错误。我也多次更改我的数据帧代码，看看我是否写错了代码，但没有运气。我的grp是段是我想要的东西在行和作为4个统计数据计算，我想要他们在列头。如果它是在表格的形式，但至少我需要标题。这将是更好的，如果我有很多段值，我将所有的段打印在每一行的4列。像这样:

ci                  cvr                   ci95plus                    ci95minus

A     0.7443617976588611  8.349514563106796     9.093876360765657           7.605152765447935
B     0.5279035518807871  7.9468622035996574    8.474765755480444           7.418958651718871

编辑:我将Dataframe更改为Dataframe。很抱歉。现在我得到错误:ValueError:传递值的形状是(4,1)，索引暗示(1,4)

Answer 1

我假设您正在使用列表。你可以试试这个

import pandas
import numpy
DATA = {'days': [0.0 ,1.0 ,2.0 ,3.0 ,4.0 ,5.0 ,6.0 ,7.0 ,8.0],
'user': [618 ,638 ,662 ,686 ,726 ,835 ,915 ,971 ,1004],
'Conversion_Percentage': [2.942577 ,3.037806 ,3.152081 
,3.266356 ,3.456814 ,3.975812 ,4.356728 ,4.623369 ,4.780497]}
# You need to adjust the calculation in the function to suit what you want to achieve.
def conversion(x):
grp_cvr= 1.96 * np.std(df['Conversion_Percentage'])/math.sqrt(len(df['Conversion_Percentage']))
grp_ci= x  #adjust to fit your calculation
grp_ci95plus = grp_cvr + grp_ci
grp_ci95minus = grp_cvr - grp_ci    
return grp_ci,grp_cvr,grp_ci95plus,grp_ci95minus

#columns and index mapping
index2 = {0: 'A', 1: 'b', 2: 'C', 3: 'D', 4: 'E', 5: 'F', 6: 'G', 7: 'H', 8: 'I'}
col= ['ci','cvr','ci95plus','ci95minus']
new_columns=dict(zip(range(len(col)),col))

df= pd.DataFrame(DATA)
new =(df['Conversion_Percentage'].apply(conversion)
.apply(pd.Series))

index2 = {0: 'A', 1: 'b', 2: 'C', 3: 'D', 4: 'E', 5: 'F', 6: 'G', 7: 'H', 8: 'I'}
new_columns=dict(zip(new.columns,['ci','cvr','ci95plus','ci95minus']))
new.columns=new_columns