基于过滤器的列计算？

Posted 2023-03-12

【中文标题】基于过滤器的列计算？

【英文标题】：Calculations of a column based on filter?

【发布时间】：2020-01-18 20:37:35

【问题描述】：

我正在尝试找出一种方法，通过过滤不同的或 2 个不同的列来计算 df 中列的总和。

ID | Shift |Valid |Amount
B     AM      NO    23.22
E     PM      YES   231.23
D     AM      YES   443.12
R     Both    NO    43.12
T     PM      NO    111.12

我想过滤像

这样的 Shift 列

df[(df['shift'] == 'PM')]并计算金额列的总和

我想为 AM、PM、Both 尝试几次，而不是为每个列创建新的 dfs，然后对金额列求和。

另外，如果我还想过滤 valid 列并计算金额列的总和而不创建新的 df，这也可能吗？

谢谢！

【问题讨论】：

df['Amount'][(df['shift'] == 'PM')].sum()

【参考方案1】：

如果我正确理解您的问题，请给出以下数据框：

df = pd.DataFrame('Shift': ['AM', 'PM', 'AM', 'PM', 'Both'], 'Valid':['YES','NO','YES','NO','YES'],'Amount': [3, 8, 4, 5, 100])

  Shift Valid  Amount
0    AM   YES       3
1    PM    NO       8
2    AM   YES       4
3    PM    NO       5
4  Both   YES     100

您可以使用loc 方法过滤数据框：

df.loc[(df['Shift'] == 'AM') & (df['Valid'] == 'YES')]['Amount'].sum()
# output: 7

这样，数据框的列被过滤"Shift"和"Valid"和"Amount"的值相加

或者，您可以使用groupby 命令一次性获取所有结果：

df.groupby(['Valid','Shift'])['Amount'].sum()

Valid  Shift
NO     PM        13
YES    AM         7
       Both     100
Name: Amount, dtype: int64

这样，dataframe的所有列都分组"Shift"和"Valid"，"Amount"的值加在一起。

【参考方案2】：

df[df['shift'] == 'PM']['Amount'].sum()

【参考方案3】：

您可以使用DataFrame.Groupby 并使用一列或多列组成组：

shift_sum=df.groupby('Shift')['Amount'].sum()
print(shift_sum)

Shift
AM      466.34
Both     43.12
PM      342.35
Name: Amount, dtype: float64

这样您就可以直接得到AM、PM 和Both 的总和。

之后，如果您愿意，您可以只选择“AM”总和值：

shift_sum['PM']

342.25

你可以用同样的方法添加基于valid

df.groupby('Valid')['Amount'].sum()

Valid
NO     177.46
YES    674.35
Name: Amount, dtype: float64

即使你可以将两者结合起来：

df.groupby(['Valid','Shift'])['Amount'].sum()
Valid  Shift
NO     AM        23.22
       Both      43.12
       PM       111.12
YES    AM       443.12
       PM       231.23
Name: Amount, dtype: float64