如何对一列执行 pandas groupby 操作，但将另一列保留在结果数据框中

Posted 2023-03-11

【中文标题】如何对一列执行 pandas groupby 操作，但将另一列保留在结果数据框中

【英文标题】：How to do a pandas groupby operation on one column but keep the other in the resulting dataframe

【发布时间】：2017-03-16 18:37:30

【问题描述】：

我的问题是关于 pandas 的 groupby 操作。我有以下数据框：

In [4]: df = pd.DataFrame("A": range(4), "B": ["PO", "PO", "PA", "PA"], "C": ["Est", "Est", "West", "West"])

In [5]: df
Out[5]: 
   A   B     C
0  0  PO   Est
1  1  PO   Est
2  2  PA  West
3  3  PA  West

这就是我想做的：我想按 B 列分组并对 A 列求和。但最后，我希望 C 列仍然在 DataFrame 中。如果我这样做：

In [8]: df.groupby(by="B").aggregate(pd.np.sum)
Out[8]: 
    A
B    
PA  5
PO  1

它完成了这项工作，但缺少 C 列。我也可以这样做：

In [9]: df.groupby(by=["B", "C"]).aggregate(pd.np.sum)
Out[9]: 
         A
B  C      
PA West  5
PO Est   1

或

In [11]: df.groupby(by=["B", "C"], as_index=False).aggregate(pd.np.sum)
Out[11]: 
    B     C  A
0  PA  West  5
1  PO   Est  1

但在这两种情况下，它都按 B AND C 而不仅仅是 B 分组并保留 C 值。我想做的事无关紧要还是有办法？

【参考方案1】：

尝试将DataFrameGroupBy.agg() 方法与dict of column -> function 一起使用：

In [6]: df.groupby('B').agg('A':'sum', 'C':'first')
Out[6]:
       C  A
B
PA  West  5
PO   Est  1

来自文档：

用于聚合组的函数。如果是一个函数，必须要么 在传递 DataFrame 或传递给 DataFrame.apply 时工作。如果 传入一个dict，key必须是DataFrame列名。

或类似的东西取决于你的目标：

In [8]: df = pd.DataFrame("A": range(4), "B": ["PO", "PO", "PA", "PA"], "C": ["Est1", "Est2", "West1", "West2"])

In [9]: df.groupby('B').agg('A':'sum', 'C':'first')
Out[9]:
        C  A
B
PA  West1  5
PO   Est1  1

In [10]: df['sum_A'] = df.groupby('B')['A'].transform('sum')

In [11]: df
Out[11]:
   A   B      C  sum_A
0  0  PO   Est1      1
1  1  PO   Est2      1
2  2  PA  West1      5
3  3  PA  West2      5

【讨论】：

如果 C 值在所有被分组的值上都相同，则此方法有效。否则，merge 就可以完成这项工作。

@Khris，谢谢你的提示！我添加了一个使用.transform() 方法的替代解决方案

太棒了！！非常感谢。

我不熟悉，但也许这个问题可以在 python/pandas wiki 或 *** 文档中结束？

@MaxU：感谢您提醒我transform 函数，到目前为止，我忽略了这一点并解决了繁琐的合并问题。