Python Pandas：排序和分组，然后将第二列的两个连续行求和以获得第三列的特定值

Posted 2023-03-11

【中文标题】Python Pandas：排序和分组，然后将第二列的两个连续行求和以获得第三列的特定值

【英文标题】：Python Pandas: Sort and group by, then sum two consecutive rows of 2nd column for a specific value of a 3rd column

【发布时间】：2019-01-14 17:06:48

【问题描述】：

我有这个数据框：

    Group   Turn    Name
0   G1       1      Maria
1   G1       2      Sam
2   G1       2      Sara
3   G1       3      Maria
4   G1       4      Mark
5   G1       5      Maria

6   G2       2      Maria
7   G2       1      Ahmad

8   G3       1      Maria
9   G3       2      David

我想根据“组”列的值对我的数据进行分组，并根据他们的“转”进行排序。因此，对于每一组，轮流都进行了排序。

然后我想将每个组中名称为“Maria”的行和之后的一行的“Turn”列的值相加。如果 Maria 是该组中的最后一个回合，那么只有总和 轮到玛丽亚了。

So the result looks like this:
    Group       Name    Sum 
        G1      Maria    3
        G1      Maria    7
        G1      Maria    5
        G2      Maria    2
        G3      Maria    3

我尝试了 group by 和 apply 和 shift，但它们都没有给我想要的最终结果。

 df = df.groupby('group').apply(lambda x: x.sort_values('Turn'))

有人可以帮帮我吗？

【问题讨论】：

Maria 在每个组中只会出现一次吗？

能否请您发布您尝试过的代码？一个完整的代码开始？

好吧，您可能想要扩展该逻辑。你想如何处理同一组中的玛丽亚、大卫玛丽亚、大卫（我们是将所有 4 相加，还是仅在第一次或最后一次出现之后？）如果玛丽亚是最后一回合的人，会发生什么？

是的，好点。我要编辑问题

你说“and the row after”，其中 row 是单数。您实际上是指 Maria 之后该组中的 所有 行，还是正好是下一行（假设存在）？

【参考方案1】：

您可以将ffill 与limit 一起使用

df=df.sort_values(['Group','Turn'])
df[df.Name.where(df.Name=='Maria').groupby(df['Group']).ffill(limit=1).eq('Maria')].set_index('Group').Turn.sum(level=0)
Out[272]: 
Group
G1    5
G2    3
G3    3
Name: Turn, dtype: int64

【讨论】：

我认为这行不通。如果您在测试 df 的底部添加额外的非 Maria 行，它仍将被视为 Maria，因为 limit=2。你是说limit = 1吗？

@DSM 是的，应该是一个 :-) 固定

@Wen 我是否也可以在按“组”分组时在求和之前对组内的转弯进行排序？

@UserYmY 是的，你可以

@wen 你能加入解决方案吗？

【参考方案2】：

用途：

df.set_index(['Group','Name',(df['Name'] == 'Maria').cumsum().rename('Occurance')])\
  .sum(level=[0,2])\
  .reset_index()\
  .assign(name='Maria')\
  .drop('Occurance', axis=1)

输出：

  Group  Turn   name
0    G1     3  Maria
1    G1     7  Maria
2    G1     5  Maria
3    G2     3  Maria
4    G3     3  Maria

【讨论】：

我已经要求 OP 进行澄清，但问题的标题是“两 个连续的第二列行”，这表明 cummax 不起作用。跨度>

@Scott 这给出了 TypeError: 'str' object is not callable if I remove the slasesh and connect them in a line

@Scott，这不仅在玛丽亚之后得到一排。它在 Maria 之后对所有非 Maria 行求和。