进行聚合时如何忽略数据框中的特定列

Posted 2023-04-15

【中文标题】进行聚合时如何忽略数据框中的特定列

【英文标题】：How to ignore specific column in dataframe when doing an aggregation

【发布时间】：2020-05-04 19:06:23

【问题描述】：

有没有办法在数据框上进行 pandas groupby 聚合并从列中返回某个字符串？ 我有一个像这样的数据框：

lst = [[ 100, 'buicks', .001, np.nan, np.nan], [101, 'chevy', .002, np.nan, np.nan],
       [102, 'olds', .003, .006, np.nan], [100, 'buick', np.nan, .004, np.nan],
       [103, 'nissan', np.nan, np.nan, .1], [103,'nissans', np.nan, .14, np.nan]]
df = pd.DataFrame(lst, columns=['car_id', 'name', 'aa', 'bb', 'cc'])

   car_id     name     aa     bb   cc
0     100   buicks  0.001    NaN  NaN
1     101    chevy  0.002    NaN  NaN
2     102     olds  0.003  0.006  NaN
3     100    buick    NaN  0.004  NaN
4     103   nissan    NaN    NaN  0.1
5     103  nissans    NaN  0.140  NaN

需要这个：

0     100   buicks  0.001  0.004  NaN
1     101    chevy  0.002    NaN  NaN
2     102     olds  0.003  0.006  NaN
4     103  nissans    NaN  0.140  0.1

我要做的是按 car_id 列分组，然后对 aa、bb、cc 列求和。但是，名称列值可能不一样，但我需要保留其中一个。我不在乎哪一个。 我在看：Pandas sum by groupby, but exclude certain columns 结果是这样的：

df.groupby('car_id').agg('aa': np.sum, 'bb': np.sum, 'cc':np.sum)

但这会删除名称列。我假设我可以在上面的语句中添加名称列，并且可以在其中放置一个操作来返回字符串。

谢谢

【参考方案1】：

是的，您确实可以将first 用于name 列：

df.groupby('car_id').agg('name':'first',
                          'aa':'sum',
                          'bb':'sum',
                          'cc':'sum')

输出：

          name     aa     bb   cc
car_id                           
100     buicks  0.001  0.004  0.0
101      chevy  0.002  0.000  0.0
102       olds  0.003  0.006  0.0
103     nissan  0.000  0.140  0.1

【参考方案2】：

这里有 lambda，以防你想要 NaN：

df.groupby('car_id').agg('name':'first', 'aa':'sum', 'bb':'sum', 'cc': lambda x: x.sum(skipna=False))

【参考方案3】：

满足你的输出

s=df.groupby(['car_id'])[['aa','bb','cc']].sum(min_count=1)
s['name']=df.drop_duplicates('car_id').set_index('car_id').name
s
Out[185]: 
           aa     bb   cc    name
car_id                           
100     0.001  0.004  NaN  buicks
101     0.002    NaN  NaN   chevy
102     0.003  0.006  NaN    olds
103       NaN  0.140  0.1  nissan

【参考方案4】：

pd.concat([df.groupby('car_id').apply(lambda x: x.head(1))[['car_id','name']].set_index('car_id'), \
df.groupby('car_id').agg('aa': np.sum, 'bb': np.sum, 'cc':np.sum).reset_index().set_index('car_id')], axis = 1).reset_index()


    car_id  name    aa  bb  cc
0   100 buicks  0.001   0.004   0.0
1   101 chevy   0.002   0.000   0.0
2   102 olds    0.003   0.006   0.0
3   103 nissan  0.000   0.140   0.1