如何对多个列上的数据集进行分组并同时进行不同的聚合？ Python

Posted 2023-02-16

【中文标题】如何对多个列上的数据集进行分组并同时进行不同的聚合？ Python

【英文标题】：How to Groupby a dataset on several columns and do different aggregation at the same time? Python

【发布时间】：2021-01-31 01:29:25

【问题描述】：

我需要完成几件事：

按国家和产品分组列

执行聚合得到：

 - percentage of my Products column for each country
 - Calculate the sum of columns Volume and Profit and UnrealizedProfit (2 columns 1st=Volume, 2nd= Profit + UnrealizedProfit)

同时显示其他列

我的数据框：

   Country       Sector       Products     Volume    Profit   UnrealizedProfit      
0  Country_1     Sector1      Product_1     50         5            4
1  Country_1     Sector2      Product_2     100        6            3
2  Country_2     Sector1      Product_1     150        3            -1
3  Country_2     Sector2      Product_2     200        -1           5
4  Country_1     Sector1      Product_2     100        7            10
5  Country_2     Sector2      Product_2     200        -3           -1
6  Country_2     Sector1      Product_1     150        2            -1
7  Country_1     Sector2      Product_1     50         5            -3

注意：我的实际数据框中有几千行。

所需的输出如下所示：

   Country       Sector       Products     Product%   Volume    ExpectedProfit        
0  Country_1     Sector1      Product_1     0.138      100        11
1  Country_1     Sector2      Product_2     0.861      200        26
2  Country_2     Sector1      Product_1     0.667      300        3
3  Country_2     Sector2      Product_2     0.333      400        0

我一次只能进行一次聚合，但不是两次。 到目前为止：

df = (data1.groupby('Country')['Products']
           .value_counts(normalize=True,sort=False)
           .reset_index(name='Product%'))
print (df)

这段代码给了我：

   Country       Products     Product%
0  Country 1     Product 1     0.138
1  Country 1     Product 2     0.861
2  Country 2     Product 1     0.667
3  Country 2     Product 2     0.333

产品的每个频率都是基于相关国家 --> sum(Country1) =100%, sum(Country2)=100%...

对于我设法复制的卷：

df = (data1.groupby(['Country','Product'])['Volume']
      .sum()
      .reset_index(name='Volume'))

我在 groupby() 中添加了产品，因为我想查看每个产品和国家/地区的数量。

目标是结合 Products% 和 Volume 并添加 ExpectedProfit 如前所述，我不知道如何将其结合起来并为利润进行聚合（利润+未实现利润） 以及显示部门（我猜部门可以包含在 Groupby() 中，因为每个部门都有几个产品。

感谢您的帮助！

【问题讨论】：

请分享您的数据框样本以进行处理。

我添加了一个示例

【参考方案1】：

全部总结：

new_df = pd.DataFrame()
grouper = df.groupby(["Country", "Products"])
new_df["ExpectedProfit"] = grouper.Profit.sum() + grouper.UnrealizedProfit.sum()
new_df["Volume"] =  grouper.Volume.sum()
new_df["%"] = df.groupby(['Country']).Products.value_counts(normalize=True,sort=False)
new_df

输出：

                     ExpectedProfit  Volume    %
Country   Products                              
Country_1 Product_1              11     100  0.5
          Product_2              26     200  0.5
Country_2 Product_1               3     300  0.5
          Product_2               0     400  0.5

---

有部门

grouper = df.groupby(["Country", "Products", "Sector"])

没有扇区：

grouper = df.groupby(["Country", "Products"])

result = grouper.Profit.sum() + grouper.UnrealizedProfit.sum()
result = result.reset_index(name="ExpectedProfit")

结果部门：

     Country   Products   Sector  ExpectedProfit
0  Country_1  Product_1  Sector1               9
1  Country_1  Product_1  Sector2               2
2  Country_1  Product_2  Sector1              17
3  Country_1  Product_2  Sector2               9
4  Country_2  Product_1  Sector1               3
5  Country_2  Product_2  Sector2               0

结果没有扇区：

     Country   Products  ExpectedProfit
0  Country_1  Product_1              11
1  Country_1  Product_2              26
2  Country_2  Product_1               3
3  Country_2  Product_2               0

【讨论】：

实际上对我来说最重要的是将 Product % 和 Volume 放在相同的输出上

基本上所有聚合列都显示在最终数据框中