熊猫 groupby 和总和组
Posted
技术标签:
【中文标题】熊猫 groupby 和总和组【英文标题】:Pandas groupby and sum total of group 【发布时间】:2018-07-30 23:52:28 【问题描述】:我有一个带有客户退款原因的 Pandas DataFrame。 它包含这些示例数据行:
**case_type** **claim_type**
1 service service
2 service service
3 chargeback service
4 chargeback local_charges
5 service supplier_service
6 chargeback service
7 chargeback service
8 chargeback service
9 chargeback service
10 chargeback service
11 service service_not_used
12 service service_not_used
我想将客户的原因与某种标记的原因进行比较。这没问题,但我还想查看特定组中的记录总数(客户原因)。
case_claim_type = df[["case_type", "claim_type"]]
case_claim_type.groupby(by=("case_type", "claim_type"))["case_type"].count()
这给了我这个输出,例如:
**case_type** **claim_type**
service service 2
supplier_service 1
service_not_used 2
chargeback service 6
local_charges 1
我还想要每个 case_type 的输出总和。比如:
**case_type** **claim_type**
service service 2
supplier_service 1
service_not_used 2
total: 5
chargeback service 6
local_charges 1
total: 7
它不一定必须是最后一种输出格式,每个 case_type 的(聚合)总计的列也可以。
【问题讨论】:
你能提供一些示例输入数据吗? @ScottBoston 是的,我刚刚添加了一些示例输入数据 【参考方案1】:地点:
df = pd.DataFrame('case_type':['Service']*20+['chargeback']*9,'claim_type':['service']*5+['local_charges']*5+['service_not_used']*5+['supplier_service']*5+['service']*8+['local_charges'])
df_out = df.groupby(by=("case_type", "claim_type"))["case_type"].count()
让pd.concat
,sum
与级别参数一起使用,assign
:
(pd.concat([df_out.to_frame(),
df_out.sum(level=0).to_frame()
.assign(claim_type= "total")
.set_index('claim_type', append=True)])
.sort_index())
输出:
case_type
case_type claim_type
Service local_charges 5
service 5
service_not_used 5
supplier_service 5
total 20
chargeback local_charges 1
service 8
total 9
【讨论】:
谢谢。非常优雅的解决方案!【参考方案2】:你可以使用:
df = case_claim_type.groupby(by=("case_type", "claim_type"))["case_type"].count()
print (df)
case_type claim_type
chargeback local_charges 1
service 1
service service 2
supplier_service 1
Name: case_type, dtype: int64
您可以通过聚合sum
创建新的DataFrame
并通过MultiIndex.from_tuples
添加MultiIndex
:
df1 = df.sum(level=0)
#same as
#df1 = df.groupby(level=0).sum()
new_cols= list(zip(df1.index.get_level_values(0),['total'] * len(df.index)))
df1.index = pd.MultiIndex.from_tuples(new_cols)
print (df1)
chargeback total 2
service total 3
Name: case_type, dtype: int64
然后concat
一起和最后sort_index
:
df2 = pd.concat([df,df1]).sort_index()
print (df2)
case_type claim_type
chargeback local_charges 1
service 1
total 2
service service 2
supplier_service 1
total 3
Name: case_type, dtype: int64
【讨论】:
感谢您的解决方案,这非常直观。我已经尝试过了,效果很好。但是,我将另一个答案标记为解决方案,因为答案更简洁。 @eppe2000 - 如果你得到 2 个不错的答案,那总是很难 ;) 但使用什么解决方案取决于你 ;) 祝你好运! 嘿@jezrael - 我知道这有点死灵法,但我一直在寻找接近这个答案的答案,但总可以做的不仅仅是加法;说,也意味着。有什么线索吗? @cjcrm - 然后将df1 = df.sum(level=0)
更改为df1 = df.mean(level=0)
@jezrael 对,但是如果我的 groupby 使用 groupby(...).agg('case_type':['sum','mean']) 会怎样?为每个应用的 agg 函数获取 case_type 正确值的最佳方法?以上是关于熊猫 groupby 和总和组的主要内容,如果未能解决你的问题,请参考以下文章