Pandas 条件聚合和非条件聚合在一起
Posted
技术标签:
【中文标题】Pandas 条件聚合和非条件聚合在一起【英文标题】:Pandas Conditional Aggregation and Non Conditional Aggregation together 【发布时间】:2020-02-27 06:52:34 【问题描述】:我是一个重度 SQL 用户,而且我是 Python 和 Pandas 的新手。我有一个数据框。
import pandas as pd
data=[[1,100,'a'],[1,200,'b'],[2,300,'a'],[2,400,'a'],[3,500,'b'],[3,600,'a'],[3,700,'b']]
df=pd.DataFrame(data,columns=['Group','Amount','Condition'])
我可以一步计算条件和和“常规”和吗?
基本上,在SQL中,会是这样的。
select [Group]
,sum([Amount]) as Amount
,sum(case when [Condition]=’a’ then [Amount] end) as Conditional_Sum
from df
group by [Group]
但在 Pandas 中,我将它们分为几个步骤。
对于“常规”总和,我使用
df1=df.groupby('Group')['Amount'].sum().reset_index()
对于条件和,我使用
df2=df.groupby('Group').apply(lambda x: x[x['Condition']=='a']['Amount'].sum()).to_frame(name='Conditional_Sum')
df2.reset_index(inplace=True)
然后我合并 df1 和 df2。我可以一步完成吗?
编辑:澄清一下,有没有办法在一步内创建下面的数据框?
Group Amount Conditional_Sum
0 1 300 100
1 2 700 700
2 3 1800 600
【问题讨论】:
【参考方案1】:您可以使用 groupby 应用并创建包含某些列的系列
df.groupby('Group', as_index=False) \
.apply(lambda x: pd.Series( \
'totalsum' : x['Amount'].sum(), \
'condsum': x.loc[x['Condition']=='a','Amount'].sum()))
totalsum condsum
0 300 100
1 700 700
2 1800 600
【讨论】:
谢谢。我喜欢这种方式。以上是关于Pandas 条件聚合和非条件聚合在一起的主要内容,如果未能解决你的问题,请参考以下文章