python pandas groupby() 结果

Posted 2023-03-11

【中文标题】python pandas groupby() 结果

【英文标题】：python pandas groupby() result

【发布时间】：2013-07-14 00:23:10

【问题描述】：

我有以下 python pandas 数据框：

df = pd.DataFrame( 
   'A': [1,1,1,1,2,2,2,3,3,4,4,4],
   'B': [5,5,6,7,5,6,6,7,7,6,7,7],
   'C': [1,1,1,1,1,1,1,1,1,1,1,1]
     );

df
    A  B  C
0   1  5  1
1   1  5  1
2   1  6  1
3   1  7  1
4   2  5  1
5   2  6  1
6   2  6  1
7   3  7  1
8   3  7  1
9   4  6  1
10  4  7  1
11  4  7  1

我想要另一列存储固定（两者）A 和 B 的 C 值的总和值。也就是说，类似于：

    A  B  C  D
0   1  5  1  2
1   1  5  1  2
2   1  6  1  1
3   1  7  1  1
4   2  5  1  1
5   2  6  1  2
6   2  6  1  2
7   3  7  1  2
8   3  7  1  2
9   4  6  1  1
10  4  7  1  2
11  4  7  1  2

我已经尝试过使用 pandas groupby 并且它确实有效：

res = 
for a, group_by_A in df.groupby('A'):
    group_by_B = group_by_A.groupby('B', as_index = False)
    res[a] = group_by_B['C'].sum()

但我不知道如何以有序的方式将结果从res“获取”到df。对此有任何建议都会非常高兴。谢谢你。

【问题讨论】：

D列计算什么？

【参考方案1】：

这是一种方法（虽然感觉这应该与应用一起使用，但我无法获得它）。

In [11]: g = df.groupby(['A', 'B'])

In [12]: df1 = df.set_index(['A', 'B'])

size groupby 函数是你想要的，我们必须将它匹配到'A'和'B'作为索引：

In [13]: df1['D'] = g.size()  # unfortunately this doesn't play nice with as_index=False
# Same would work with g['C'].sum()

In [14]: df1.reset_index()
Out[14]:
    A  B  C  D
0   1  5  1  2
1   1  5  1  2
2   1  6  1  1
3   1  7  1  1
4   2  5  1  1
5   2  6  1  2
6   2  6  1  2
7   3  7  1  2
8   3  7  1  2
9   4  6  1  1
10  4  7  1  2
11  4  7  1  2

【讨论】：

谢谢@Andy Hayden！我认为sum 的解决方案更通用。事实上，我在C 中没有1（当size 完美运行时，正如您在解决方案中指出的那样）而是一些浮点数，所以为了使其正常工作，我需要使用@ 987654329@。但无论如何，太棒了，再次感谢你。

我认为您梦寐以求的单行代码是df['D'] = df.groupby(['A', 'B']).transform(np.size)。无论好坏，transform 都在那里。 :-D

@DanAllan，D 列是如何计算的？

【参考方案2】：

您还可以使用应用于 groupby 的变换来做一个单行：

df['D'] = df.groupby(['A','B'])['C'].transform('sum')

【参考方案3】：

你也可以使用合并来做一个单行，如下所示：

df = df.merge(pd.DataFrame('D':df.groupby(['A', 'B'])['C'].size()), left_on=['A', 'B'], right_index=True)

【参考方案4】：

你可以使用这个方法：

columns = ['col1','col2',...]
df.groupby('col')[columns].sum()

如果您愿意，还可以在.sum() 之后使用.sort_values(by = 'colx', ascending = True/False) 按特定列 (colx) 以升序或降序对最终输出进行排序。