使用 Groupby 的 Python Pandas 条件和

Posted 2023-03-11

【中文标题】使用 Groupby 的 Python Pandas 条件和

【英文标题】：Python Pandas Conditional Sum with Groupby

【发布时间】：2013-06-20 09:47:46

【问题描述】：

使用样本数据：

df = pd.DataFrame('key1' : ['a','a','b','b','a'],
               'key2' : ['one', 'two', 'one', 'two', 'one'],
               'data1' : np.random.randn(5),
               'data2' : np. random.randn(5))

df

    data1        data2     key1  key2
0    0.361601    0.375297    a   one
1    0.069889    0.809772    a   two
2    1.468194    0.272929    b   one
3   -1.138458    0.865060    b   two
4   -0.268210    1.250340    a   one

我试图弄清楚如何按 key1 对数据进行分组，并仅对 key2 等于“一”的 data1 值求和。

这是我尝试过的

def f(d,a,b):
    d.ix[d[a] == b, 'data1'].sum()

df.groupby(['key1']).apply(f, a = 'key2', b = 'one').reset_index()

但这给了我一个“无”值的数据框

index   key1    0
0       a       None
1       b       None

这里有什么想法吗？我正在寻找与以下 SQL 等效的 Pandas：

SELECT Key1, SUM(CASE WHEN Key2 = 'one' then data1 else 0 end)
FROM df
GROUP BY key1

仅供参考 - 我见过 conditional sums for pandas aggregate，但无法将那里提供的答案转换为使用总和而不是计数。

提前致谢

【参考方案1】：

第一组按 key1 列：

In [11]: g = df.groupby('key1')

然后为每个组取 key2 等于 'one' 的 subDataFrame 并对 data1 列求和：

In [12]: g.apply(lambda x: x[x['key2'] == 'one']['data1'].sum())
Out[12]:
key1
a       0.093391
b       1.468194
dtype: float64

为了解释发生了什么，让我们看一下“a”组：

In [21]: a = g.get_group('a')

In [22]: a
Out[22]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
1  0.069889  0.809772    a  two
4 -0.268210  1.250340    a  one

In [23]: a[a['key2'] == 'one']
Out[23]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
4 -0.268210  1.250340    a  one

In [24]: a[a['key2'] == 'one']['data1']
Out[24]:
0    0.361601
4   -0.268210
Name: data1, dtype: float64

In [25]: a[a['key2'] == 'one']['data1'].sum()
Out[25]: 0.093391000000000002

通过将数据框限制为只有 key2 等于一个的数据框，这样做可能会更容易/更清晰：

In [31]: df1 = df[df['key2'] == 'one']

In [32]: df1
Out[32]:
      data1     data2 key1 key2
0  0.361601  0.375297    a  one
2  1.468194  0.272929    b  one
4 -0.268210  1.250340    a  one

In [33]: df1.groupby('key1')['data1'].sum()
Out[33]:
key1
a       0.093391
b       1.468194
Name: data1, dtype: float64

【讨论】：

太棒了！我正在对我的实际数据进行尝试（可能需要一段时间），但我认为这就是我想要的。非常感谢

刚刚搜索了文档和快速的谷歌搜索...无法通过 groupby 过滤器准确找到您所指的内容...您能指出正确的方向吗？

@AllenQ 这是 dev 中的一种新方法（很快就会出现在 0.11.1 中）。

在这些场景中是否可以避免使用apply

老实说，这是对 SO 的最佳回应之一。分解它并展示它是如何工作的让我从 groupby 新手变成了专业人士。谢谢！！

【参考方案2】：

我认为今天使用 pandas 0.23 你可以做到这一点：

import numpy as np

 df.assign(result = np.where(df['key2']=='one',df.data1,0))\
   .groupby('key1').agg('result':sum)

这样做的好处是您可以将其应用于同一数据帧的多个列

df.assign(
 result1 = np.where(df['key2']=='one',df.data1,0),
 result2 = np.where(df['key2']=='two',df.data1,0)
  ).groupby('key1').agg('result1':sum, 'result2':sum)

【参考方案3】：

您可以在执行groupby 操作之前过滤您的数据框。如果由于所有值都超出范围而减少了您的系列索引，您可以使用reindex 和fillna：

res = df.loc[df['key2'].eq('one')]\
        .groupby('key1')['data1'].sum()\
        .reindex(df['key1'].unique()).fillna(0)

print(res)

key1
a    3.631610
b    0.978738
c    0.000000
Name: data1, dtype: float64

设置

我添加了一个额外的行用于演示目的。

np.random.seed(0)

df = pd.DataFrame('key1': ['a','a','b','b','a','c'],
                   'key2': ['one', 'two', 'one', 'two', 'one', 'two'],
                   'data1': np.random.randn(6),
                   'data2': np.random.randn(6))