Pandas：将依赖于第三列的相同数据框的两列相乘

Posted 2023-03-12

【中文标题】Pandas：将依赖于第三列的相同数据框的两列相乘

【英文标题】：Pandas: Multiplying two columns of same dataframe thats dependent on third column

【发布时间】：2017-08-27 20:31:34

【问题描述】：

如何将同一数据框中的两列相乘？我的数据框如下图所示，我想这样输出。但是，我找不到如何将依赖于同一数据帧第一行的两列相乘。我非常感谢您对此的帮助。

request                            totalbytes
/login                              8520
/shuttle/countdown/                 7970
/shuttle/countdown/liftoff.html     0

到目前为止，我的输出如下，但是我怎样才能获得唯一的行。

【问题讨论】：

要将两列相乘，只需将它们相乘：df['bytesbytes']*df['bytesfrequency']。但是，您的预期结果不是两列的乘积。请准确解释你想要什么。对第一行的引用尤其令人费解。

我不听你的问题。首先，您的标题与您的问题不同；其次，据我所知，您想要的输出看起来是正确的；第三，显然您的 实际 期望结果是完全不同的（乘以与获得独特的元素）。您可以像直觉一样将列相乘，并且只获得唯一的行，那里有很多资源。请澄清你的问题。谢谢。

@Posh_Pumpkin：我得到了重复的值，如我的第二张图片所示。如何获取每个唯一 URL 的总字节数。感谢您的帮助。

@DYZ：我想要的输出就在问题下方，即代码块。我尝试在此处粘贴，但格式出现偏差。

【参考方案1】：

获得发布的预期结果的捷径

df.drop_duplicates().set_index('request').prod(1).reset_index(name='totalbytes')

                           request  totalbytes
0               /shuttle/countdown        7970
1                           /login        8520
2  /shuttle/countdown/liftoff.html           0

【参考方案2】：

似乎只需要多列：

df['totalbytes'] = df['bytesbytes']*df['bytesfrequency']

或者使用mul:

df['totalbytes'] = df['bytesbytes'].mul(df['bytesfrequency'])

示例：

df = pd.DataFrame('bytesbytes':[3985,1420,0,0],
                   'bytesfrequency':[2,6,2,2])


df['totalbytes'] = df['bytesbytes']*df['bytesfrequency']
print (df)
   bytesbytes  bytesfrequency  totalbytes
0        3985               2        7970
1        1420               6        8520
2           0               2           0
3           0               2           0

但可能需要groupby 第一列request 并使用transform 创建多个新的Series（两列都由transform 转换，可能只需要一个）：

df = pd.DataFrame( 'request':['a','a','b','b'],
                   'bytesbytes':[3985,1420,1420,0],
                   'bytesfrequency':[2,6,6,2])


g = df.groupby('request')

print (g['bytesbytes'].transform('first'))
0    3985
1    3985
2    1420
3    1420
Name: bytesbytes, dtype: int64

print (g['bytesfrequency'].transform('first'))
0    2
1    2
2    6
3    6
Name: bytesfrequency, dtype: int64

df['totalbytes'] = g['bytesbytes'].transform('first')*g['bytesfrequency'].transform('first')
print (df)
   bytesbytes  bytesfrequency request  totalbytes
0        3985               2       a        7970
1        1420               6       a        7970
2        1420               6       b        8520
3           0               2       b        8520

编辑：

如果需要删除 request 列的重复项：

df = pd.DataFrame( 'request':['a','a','b','b'],
                   'bytesbytes':[3985,1420,1420,0],
                   'bytesfrequency':[2,6,6,2])

print (df)
   bytesbytes  bytesfrequency request
0        3985               2       a
1        1420               6       a
2        1420               6       b
3           0               2       b

---

一行解决方案 - drop_duplicates，多个和最后一个 drop 列：

df = df.drop_duplicates('request')
       .assign(totalbytes=df['bytesbytes']*df['bytesfrequency'])
       .drop(['bytesbytes','bytesfrequency'], axis=1)
print (df)
  request  totalbytes
0       a        7970
2       b        8520

df = df.drop_duplicates('request')
df['totalbytes'] = df['bytesbytes']*df['bytesfrequency']
df = df.drop(['bytesbytes','bytesfrequency'], axis=1)
print (df)
  request  totalbytes
0       a        7970
2       b        8520

【讨论】：

谢谢。如何获取所有唯一请求的总字节数。所以我只需要两列：uniquerequests 和 totalbytes。正如我在问题下所示，在代码块中。非常感谢您的帮助。

我认为需要最后一个答案 - drop_duplicates ，多个和最后一个 drop 列。

【参考方案3】：

请编辑您的标题，因为它非常具有误导性。

另外，为了回答您的问题，pandas 有一个方便的drop_duplicates 方法。我强烈建议您检查一下。

简而言之，该方法从字面上删除所有重复的行并返回一个新的DataFrame。或者，您可以使该方法仅考虑某些行 - 可以在文档中找到详细信息。

在你的情况下，你可以简单地做：

df2 = df2.drop_duplicates()[['requests', 'totalbytes']]

列索引是完全可选的，但我添加它们是因为我认为您只需要在最终输出中的这两列。

【参考方案4】：

现在您已经解释了您想要什么...您实际上想要删除重复项：

(df['bytesbytes']*df['bytesfrequency']).drop_duplicates()