Pandas - dataframe groupby - 如何获得多列的总和

Posted 2023-02-23

【中文标题】Pandas - dataframe groupby - 如何获得多列的总和

【英文标题】：Pandas - dataframe groupby - how to get sum of multiple columns

【发布时间】：2018-03-07 23:02:27

【问题描述】：

这应该很容易，但不知何故我找不到可行的解决方案。

我有一个看起来像这样的熊猫数据框：

index col1   col2   col3   col4   col5
0     a      c      1      2      f 
1     a      c      1      2      f
2     a      d      1      2      f
3     b      d      1      2      g
4     b      e      1      2      g
5     b      e      1      2      g

我想按 col1 和 col2 分组，得到 col3 和 col4 的 sum()。 Col5 可以删除，因为无法聚合数据。

这是输出的样子。我有兴趣在结果数据框中同时拥有col3 和col4。 col1 和 col2 是否是索引的一部分并不重要。

index col1   col2   col3   col4   
0     a      c      2      4          
1     a      d      1      2      
2     b      d      1      2      
3     b      e      2      4      

这是我尝试过的：

df_new = df.groupby(['col1', 'col2'])["col3", "col4"].sum()

然而，这只会返回 col4 的聚合结果。

我在这里迷路了。我发现的每个示例都只聚合一列，显然没有出现问题。

【问题讨论】：

问题可能是df.col3.dtype 可能不是int 或数字数据类型。尝试df.col3 = df.col3.astype(int)，然后再执行groupby

【参考方案1】：

另一个通用解决方案是

df.groupby(['col1','col2']).agg('col3':'sum','col4':'sum').reset_index()

这将为您提供所需的输出。

更新（2020 年 6 月）： 在 Pandas 0.25.0 中引入，Pandas 添加了新的 groupby 行为“命名聚合” 和 元组，用于在将多个聚合函数应用于特定列时命名输出列。

df.groupby(['col1','col2']).agg(
     sum_col3 = ('col3','sum'),
     sum_col4 = ('col4','sum'),
     ).reset_index()

此外，您可以命名新列，例如我用过“sum_col3”和“sum_col4”，但你可以使用任何你想要的名字。

详细说明请参考Link。

【参考方案2】：

由于 pandas FutureWarning: Indexing with multiple keys 在GitHub 和Stack Overflow 上讨论过，我推荐这个解决方案：

df.groupby(['col1', 'col2'])[['col3', 'col4']].sum().reset_index()

输出：

【参考方案3】：

我认为执行以下操作会更有效：

df.groupby(['col1', 'col2']).agg('col3':'sum','col4':'sum').sum(axis=1)

或：

df.groupby(['col1', 'col2'])['col3', 'col4'].sum().sum(axis=1)

这确实假设您在数据框中具有适当的类型。

【参考方案4】：

上面的答案对我不起作用。

df_new = df.groupby(['col1', 'col2']).sum()[["col3", "col4"]]

我按单个 group by 和 sum 列分组。

这是为我工作的那个。

D1.groupby(['col1'])['col2'].sum() << The sum at the end not the middle.

【讨论】：

你试过 :df_new = df.groupby(['col1', 'col2'])[["col3", "col4"]].sum() 吗？这个对我有用。

【参考方案5】：

通过使用apply

df.groupby(['col1', 'col2'])["col3", "col4"].apply(lambda x : x.astype(int).sum())
Out[1257]: 
           col3  col4
col1 col2            
a    c        2     4
     d        1     2
b    d        1     2
     e        2     4

如果你想agg

df.groupby(['col1', 'col2']).agg('col3':'sum','col4':'sum')

【参考方案6】：

问题可能是df.col3.dtype 可能不是int 或数字数据类型。尝试df.col3 = df.col3.astype(int)，然后再执行groupby

此外，在 groupby 之后选择您的列以查看这些列是否被聚合：

df_new = df.groupby(['col1', 'col2']).sum()[["col3", "col4"]]