我如何在熊猫中分组然后对值求和？ [复制]

Posted 2023-03-11

【中文标题】我如何在熊猫中分组然后对值求和？ [复制]

【英文标题】：How can I groupby in pandas and then sum values? [duplicate]

【发布时间】：2019-03-15 01:43:49

【问题描述】：

我遇到了下一个问题：我在 pandas 中有一个数据框，其属性为“features”，另一个属性为“VOTES”。 'VOTES' 是数字，'features' 是在数据框中重复的字符串。我想根据特征进行分组并对VOTES的值求和，以获得下一个结果：

最初的数据框：

+----------+---------+
| features | VOTES   |
+----------+---------+
| A        | 4       |
+----------+---------+
| V        | 3       |
+----------+---------+
| A        | 2       |
+----------+---------+
| C        | 9       |
+----------+---------+

我执行了以下操作，但在 VOTES 列上得到了 NaN 值。

dataframe_clusters['VOTES'] = dataframe_clusters.groupby('features')['VOTES'].sum()

我想得到下一个结果：

+----------+---------+
| features | VOTES   |
+----------+---------+
| A        | 6       |
+----------+---------+
| V        | 3       |
+----------+---------+
| C        | 9       |
+----------+---------+

【参考方案1】：

您可以添加reset_index或参数as_index=False，也可以不排序features的值添加参数sort=False：

df = dataframe_clusters.groupby('features', sort=False)['VOTES'].sum().reset_index()

df = dataframe_clusters.groupby('features', as_index=False, sort=False)['VOTES'].sum()

---

print (df)
  features  VOTES
0        A      6
1        V      3
2        C      9

如果想分配给新列，可以使用GroupBy.transform 返回与原始DataFrame 大小相同的聚合值Series：

dataframe_clusters['VOTES'] = dataframe_clusters.groupby('features')['VOTES'].transform('sum')
print (dataframe_clusters)

  features  VOTES
0        A      6
1        V      3
2        A      6
3        C      9

【参考方案2】：

你可以这样做：

dataframe_clusters.groupby('features').sum().reset_index()

输出：

  features  VOTES
0        A      6
1        C      9
2        V      3

【参考方案3】：

从您的问题中并不清楚您到底需要什么。您正在进行的分组是可以的，但由于某种原因，您为其分配了同一数据帧的列。我猜你最终需要加入。检查这个：

import pandas as pd
df = pd.DataFrame(data='features':['A','V','A','C'], 'VOTES':[4,3,2,9])
totals = df.groupby('features').sum()
print(df)
print(totals)
joined = df.join(totals, on='features', rsuffix='_total')
print(joined)

它会给你这个：

   VOTES features
0      4        A
1      3        V
2      2        A
3      9        C
          VOTES
features       
A             6
C             9
V             3
   VOTES features  VOTES_total
0      4        A            6
1      3        V            3
2      2        A            6
3      9        C            9