聚合后如何有条件地对来自不同列的值求和?
Posted
技术标签:
【中文标题】聚合后如何有条件地对来自不同列的值求和?【英文标题】:How can I conditionally sum values from different columns after aggregation? 【发布时间】:2019-12-12 00:46:31 【问题描述】:我有这个数据框开始:
ID PRODUCT_ID NAME STOCK SELL_COUNT DELIVERED_BY PRICE_A PRICE_B
1 P1 PRODUCT_P1 12 15 UPS 32,00 40,00
2 P2 PRODUCT_P2 4 3 DHL 8,00 NaN
3 P3 PRODUCT_P3 120 22 DHL NaN 144,00
4 P1 PRODUCT_P1 423 18 UPS 98,00 NaN
5 P2 PRODUCT_P2 0 5 GLS 12,00 18,00
6 P3 PRODUCT_P3 53 10 DHL 84,00 NaN
7 P4 PRODUCT_P4 22 0 UPS 2,00 NaN
8 P1 PRODUCT_P1 94 56 GLS NaN 49,00
9 P1 PRODUCT_P1 9 24 GLS NaN 1,00
我想要实现的是 - 在按 PRODUCT_ID 聚合后,根据 PRICE_A 或 PRICE_B 是否具有值来求和(如果两者都设置,则优先考虑 PRICE_A)。
基于@WeNYoBen 的帮助answer,我现在知道如何根据不同的列有条件地应用聚合函数:
def custom_aggregate(grouped):
data =
'STOCK': grouped.loc[grouped['DELIVERED_BY'] == 'UPS', 'STOCK'].min(),
'TOTAL_SELL_COUNT': grouped.loc[grouped['ID'] > 6, 'SELL_COUNT'].sum(min_count=1),
'COND_SELL_COUNT': grouped.loc[grouped['SELL_COUNT'] > 10, 'SELL_COUNT'].sum(min_count=1)
# THIS IS WHERE THINGS GET FOGGY...
# I somehow need to add a second condition here, that says
# if PRICE_B is set - use the PRICE_B value for the sum()
'COND_PRICE': grouped.loc[grouped['PRICE_A'].notna(), 'PRICE_A'].sum()
d_series = pd.Series(data)
return d_series
result = df_products.groupby('PRODUCT_ID').apply(custom_aggregate)
我真的不知道这是否可以通过使用 .loc 函数来实现。 解决此问题的一种方法是在调用 .groupby 之前创建一个附加列,该列已经包含正确的价格值。 但我认为可能有一种更灵活的方式来做到这一点。 我很乐意以某种方式为“COND_PRICE”值计算应用一个自定义函数,该函数在将结果传递给 sum() 之前执行。在 SQL 中,我可以嵌套 x 层 CASE WHEN END 语句以实现这种逻辑。只是好奇如何在 pandas 中实现这种灵活性。
非常感谢。
【问题讨论】:
不确定我是否理解。根据您的输入,您的预期输出是什么? 【参考方案1】:所以这是我们需要的解决方案fillna
def custom_aggregate(grouped):
data =
'STOCK': grouped.loc[grouped['DELIVERED_BY'] == 'UPS', 'STOCK'].min(),
'TOTAL_SELL_COUNT': grouped.loc[grouped['ID'] > 6, 'SELL_COUNT'].sum(min_count=1),
'COND_SELL_COUNT': grouped.loc[grouped['SELL_COUNT'] > 10, 'SELL_COUNT'].sum(min_count=1),
# Fillna if A have the value A return , if not check with B , both nan will keep the value as nan
'COND_PRICE': grouped['PRICE_A'].fillna(grouped['PRICE_B']).sum()
d_series = pd.Series(data)
return d_series
【讨论】:
非常感谢您帮助我(再次!!)。这完全可以完成所要求的工作。但是请你这么好心,给我一个提示,是否可以以某种方式将函数应用于 sum() 之前的部分?您基本上更新了 grouped['PRICE_A'] 中的缺失值。我正在寻找的是一个获取grouped
并应用不同的嵌套条件并检查每个分组行的函数,以便“构建” sum() 的动态值。
@user2549803 您可以通过 np.where 进行检查以上是关于聚合后如何有条件地对来自不同列的值求和?的主要内容,如果未能解决你的问题,请参考以下文章